1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 软件工程

通过分区间移位实现高效ANN-SNN转换.pdfVIP

通过分区间移位实现高效ANN-SNN转换.pdf

    1. 1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
    2. 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
    3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
    4. 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
    5. 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
    6. 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
    7. 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
    查看更多

    第40卷第12期福建电脑Vol.40No.12

    2024年12月JournalofFujianComputerDec.2024

    通过分区间移位实现高效ANN-SNN转换

    黄志鹏

    (福建师范大学计算机与网络空间安全学院福州350117)

    摘要SNN因其在神经形态芯片中的高能效优势而受到广泛关注。ANN-SNN转换是实现深度SNN的主流方法之一，但在

    极低延迟下，死神经元脉冲误差导致目标SNN与源ANN之间存在性能差距。为解决死神经元脉冲误差，实现高性能低延

    迟SNN，本文提出了一种分区间移位激活函数，用于替代传统的ReLU激活函数。实验结果表明，在CIFAR-10数据集上，

    本文方法得到的SNN仅需4个时间步即可达到94.78%的Top-1准确率。

    关键词脉冲神经网络；ANN-SNN转换；分区间移位；ReLU激活函数

    中图法分类号TP291DOI:10.16707/ki.fjpc.2024.12.002

    EfficientANN-SNNConversionbyIntervalShifting

    HUANGZhipeng

    (CollegeofComputerandCyberSecurity,FujianNormalUniversity,Fuzhou,China,350117)

    AbstractSNNhasreceivedwidespreadattentionduetoitshighenergyefficiencyadvantageinneuromorphic

    chips.ANN-SNNconversionisoneofthemainstreammethodsforimplementingdeepSNN,butatextremely

    lowlatency,theerroroftheReaperMeridianpulseleadstoaperformancegapbetweenthetargetSNNandthe

    sourceANN.Tosolvetheproblemofdeadneuronpulseerrorandachievehigh-performancelowlatencySNN,

    thispaperproposesaninterpartitionshiftactivationfunctiontoreplacethetraditionalReLUactivationfunction.

    TheexperimentalresultsshowthatontheCIFAR-10dataset,theSNNobtainedbyourmethodcanachievea

    Top-1accuracyof94.78%inonly4timesteps.

    KeywordsSpikingNeuralNetworks;ANN-SNNConversion;InterPartitionShift;ReLUActivationFunction

    NeuralNetwork，ANN-SNN）转换算法[1-2]。由于

    1引言

    SNN的脉冲信息不可导，传统的反向传播算法难以

    直接应用于SNN的训练。代理梯度方法通过平滑

    脉冲神经网络（Spikingneuralnetwork，SNN）

    脉冲神经元的激活

    您可能关注的文档

    最近下载

    文档评论（0）

    你就是我的小鱼鱼 + 关注
    实名认证
    文档贡献者

    教师资格证持证人

    该用户很懒，什么也没介绍

    咨询Ta 进入空间
    领域认证 该用户于2024年10月18日上传了教师资格证

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >