In diesem Projekt wird die Entwicklung eines ressourceneffizienten Laufzeit-Simulators für Spiking Neural Network-Modelle (SNN) namens RAVSim vorgestellt. Der Fokus liegt auf der Erkundung des Design-Raums für potenzielle Anwendungen in der Computersicht, wie z.B. Objekterkennung/-detektion.
Der Hauptaspekt ist es, eine Simulationsumgebung zu schaffen, in der Benutzer die SNN-Modelle in Echtzeit analysieren und visualisieren können. Dies ermöglicht es, die komplexen Mechanismen dieser Modelle besser zu verstehen und die optimalen Parameterwerte zu finden.
Im Gegensatz zu herkömmlichen Simulatoren, die zeitaufwendige Programmierung in Niedersprachen erfordern, bietet RAVSim eine benutzerfreundliche Oberfläche, in der Benutzer die Simulation direkt beeinflussen und die Auswirkungen auf die Modellausgabe beobachten können. Dadurch lassen sich die Modelle schnell prototypisieren und die Parameter effizient abstimmen.
Neben der Entwicklung von RAVSim umfasst das Projekt auch die Untersuchung geeigneter Hardware-Architekturen, um SNNs ressourceneffizient auszuführen und die Möglichkeit des Online-Lernens zu schaffen. Ziel ist es, die Leistung durch den Einsatz einer CPU-basierten Mehrkern-Architektur zu maximieren.
לשפה אחרת
מתוכן המקור
arxiv.org
שאלות מעמיקות