在一个 MPSoC 上实现 ReckON RSNN 架构的训练和推理

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。