이 연구는 생물학적으로 영감을 받은 스파이킹 신경망(SNN)의 자원 효율적인 구현을 분석하는 것을 목표로 한다. 이를 통해 SNN을 자원 효율적으로 실행할 수 있으며, 온라인 학습 적응을 가능하게 한다. 주요 초점은 컴퓨터 비전 애플리케이션(예: 객체 감지/인식)을 위한 설계 공간 탐색이다.
첫째, 하드웨어 아키텍처와 사용자가 모델을 분석하고 시각화할 수 있는 자원 효율적인 시뮬레이터를 연구한다. 멀티코어 아키텍처를 사용하여 CPU 기반 하드웨어 플랫폼의 성능을 최대화한다.
둘째, 다양한 뉴런 및 시냅스 모델과 구성을 평가한다. in-silico 분석 및 시뮬레이션을 수행하기 위해 입출력 농도의 다양한 매개변수를 이해하는 것이 매우 중요하다.
RAVSim은 사용자가 실시간으로 시뮬레이션을 조작하고 SNN 매개변수 반응을 그래픽으로 볼 수 있는 자원 효율적인 실시간 시뮬레이터이다. 이를 통해 매개변수 값 조정 및 모델 동작 이해가 용이하다.
향후 연구에서는 RAVSim을 지속적으로 개선하고, 다른 SNN 뉴런 및 시냅스 모델과 다양한 학습 기술을 구현할 계획이다. 또한 이벤트 기반 카메라를 사용하는 실시간 컴퓨터 비전 애플리케이션을 구현하고자 한다.
To Another Language
from source content
arxiv.org
Deeper Inquiries