基于自適應(yīng)時(shí)間步脈沖神經(jīng)網(wǎng)絡(luò)的高效圖像分類

摘要： 脈沖神經(jīng)網(wǎng)絡(luò)(Spiking neural network, SNN)由于具有相對(duì)人工神經(jīng)網(wǎng)絡(luò)(Artifcial neural network, ANN)更低的計(jì)算能耗而受到廣泛關(guān)注.然而,現(xiàn)有SNN大多基于同步計(jì)算模式且往往采用多時(shí)間步的方式來模擬動(dòng)態(tài)的信息整合過程,因此帶來了推理延遲增大和計(jì)算能耗增高等問題,使其在邊緣智能設(shè)備上的高效運(yùn)行大打折扣.針對(duì)這個(gè)問題,本文提出一... （共12頁）