Аппаратные реализации и проблемы реализации спайковых нейронных сетей
Spiking Neural Networks Hardware Implementations and Challenges: A Survey
2019-04-05
SCID: 54.1/xjc734ze
Discuss with AI
событийно-управляемые алгоритмыаппаратные реализациинейроморфные вычисленияимпульсные нейронные сетимеханизмы обучения
Figures from the paper
Abstract (AI)
Нейроморфные вычисления стали важным направлением исследований как для академического сообщества, так и для промышленных организаций. В отличие от машин фон Неймана, процессоры, созданные по образцу мозга, стремятся сблизить элементы памяти и вычислительные элементы для эффективного выполнения алгоритмов машинного обучения. В последнее время спайковые нейронные сети (СНС) — класс когнитивных алгоритмов, использующих вычислительные примитивы, имитирующие принципы функционирования нейронов и синапсов, — стали важной частью глубокого обучения. Ожидается, что СНС позволят повысить вычислительную производительность и эффективность нейронных сетей, однако наиболее эффективно они работают на аппаратных платформах, способных поддерживать их временную динамику. В этом обзорном исследовании представлен современный уровень развития аппаратных реализаций спайковых нейронных сетей и рассмотрены текущие тенденции разработки алгоритмов — от выбора модели до механизмов обучения. Спектр существующих решений весьма широк; поэтому сначала представлен общий подход, а затем на конкретных примерах изучены соответствующие особенности. Описаны стратегии использования характеристик этих событийно-управляемых алгоритмов на аппаратном уровне и обсуждаются связанные с ними преимущества и проблемы.
Key Findings
1
Существующие аппаратные решения отличаются большим разнообразием; обзор анализирует использование их событийных характеристик, а также связанные преимущества и проблемы реализации.
2
Нейроморфные вычисления сближают память и вычислительные элементы, повышая эффективность выполнения алгоритмов машинного обучения по сравнению с архитектурами фон Неймана.
3
Спайковые нейронные сети особенно подходят для аппаратных архитектур, поддерживающих временную динамику и событийные вычисления.
4
Спайковые нейронные сети используют вычислительные примитивы, имитирующие работу нейронов и синапсов, и призваны повысить производительность и эффективность нейросетей.
5
В обзоре рассматриваются современные аппаратные реализации спайковых нейронных сетей и тенденции развития алгоритмов — от выбора модели до механизмов обучения.
Research Object
аппаратные реализации импульсных нейронных сетей
Research Subject
стратегии аппаратного уровня, преимущества, проблемы и тенденции алгоритмического проектирования для эффективной поддержки временной динамики импульсных нейронных сетей
Publication Details
Publication Date
2019-04-05
Journal
Publisher
ISSN
Cited by
343
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest