Аппаратные реализации и проблемы реализации спайковых нейронных сетей

Spiking Neural Networks Hardware Implementations and Challenges: A Survey
Elisa Vianello, Marina Reyboz, Maxence Bouvier, Alexandre Valentian, Thomas Mesquida, François Rummens, Marina Reyboz, Elisa Vianello, Édith Beigné, Alexandre Valentian, Thomas Mesquida
2019-04-05

событийно-управляемые алгоритмыаппаратные реализациинейроморфные вычисленияимпульсные нейронные сетимеханизмы обучения
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.
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.

аппаратные реализации импульсных нейронных сетей

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
Access Type
Author Information
Authors
Elisa Vianello
Marina Reyboz
Maxence Bouvier
Alexandre Valentian
Thomas Mesquida
François Rummens
Marina Reyboz
Elisa Vianello
Édith Beigné
Alexandre Valentian
Thomas Mesquida
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%