用于数字事件驱动神经形态处理器的具备硬件意识的模型训练

原文约300字，阅读约需1分钟。发表于：。

本文提出了一种框架，用于在数字神经形态硬件中训练和部署高性能尖峰神经网络模型（SNNs），其中除了神经突触的突触权重外，还进行了协同优化的突触延迟。评估了在两个神经形态数字硬件平台（Intel Loihi 和 Imec Seneca）上训练的模型，并展示了从软件到硬件的过渡过程中的最小精度降低。

本文提出了一种框架，用于在数字神经形态硬件中训练和部署高性能尖峰神经网络模型。该框架通过协同优化的突触延迟，在两个神经形态数字硬件平台上训练模型，并展示了从软件到硬件的过渡过程中的最小精度降低。