在一个 MPSoC 上实现 ReckON RSNN 架构的训练和推理
原文中文，约500字，阅读约需2分钟。发表于：。借助于人工智能的崛起，生物神经元模型正被用于实现在训练阶段后能学习特定任务的神经网络。其中一种类型的网络是依赖于生物神经元的简化模型 —— 积分解耦神经元的尖峰神经网络（SNNs）。出现了几个用于实现带有这种类型神经元的 SNNs 的加速器之一是 ReckON 系统，它允许对递归 SNN 进行训练和执行。ReckON 架构是在定制的 ASIC...
人工智能的崛起使得生物神经元模型被用于训练后能学习特定任务的神经网络。其中一种类型的网络是依赖于生物神经元的简化模型，即尖峰神经网络（SNNs）。本文介绍了ReckON系统，一种加速器，可以对递归SNN进行训练和执行。通过在Xilinx MPSoC芯片上实现ReckON架构，并在Pynq ZU平台上使用Python框架，验证了模拟精度的保持和每秒处理3.8M事件的峰值性能。
