通过核尺寸缩放提高嵌入式脉冲神经网络的准确性的方法论
原文中文，约400字，阅读约需1分钟。发表于：。提出一种通过核尺寸缩放改善脉冲神经网络（SNNs）准确性的新方法，实现了比现有技术更高的准确性（对于 CIFAR10 为 93.24%，对于 CIFAR100 为 70.84%），同时具有小于 10M 参数和多达 3.45 倍的搜索时间加速，适用于嵌入式应用。
本文介绍了脉冲神经网络（SNNs）作为深度神经网络的替代方法在信号处理应用中的广泛应用。讨论了SNNs的训练和扩展方法，以及算法-架构共设计的最新研究成果。描述了基础硬件的开发，包括在内存组件和传感器中整合模型计算的方法。最后，讨论了构建可部署SNN系统的研究前景和关键挑战。
