核心概念
이벤트 구동 방식의 SNN은 기존 ANN 대비 높은 에너지 효율을 가지지만, 스파이크 기반 데이터 전달로 인해 정확도가 낮다. 본 연구에서는 단일 스파이크 위상 부호화와 기저 조작을 통해 ANN-to-SNN 변환 시 정확도 손실을 최소화하고 에너지 효율을 크게 향상시켰다.
要約
본 연구에서는 단일 스파이크 위상 부호화 기법을 제안하여 SNN의 에너지 효율을 크게 향상시켰다. 기존 위상 부호화 기법은 여러 개의 스파이크를 사용하지만, 제안 기법은 각 뉴런에서 단 하나의 스파이크만 발생하도록 하였다. 이를 통해 스파이크 갱신 연산 횟수를 크게 줄일 수 있어 에너지 효율이 향상된다.
단일 스파이크 근사화로 인한 변환 오차를 최소화하기 위해 두 가지 기법을 제안하였다. 첫째, 문턱값 이동을 통한 반올림 근사화를 적용하였다. 둘째, 기저 Q를 2보다 작은 값으로 조정하여 변환 오차를 줄였다. 이를 통해 추가적인 재학습 없이도 ANN 대비 0.58%의 평균 정확도 손실만으로 SNN으로 변환할 수 있었다.
제안 기법은 CNN과 GCN 모델에 대해 검증되었으며, 기존 대비 4.6~17.3배 향상된 에너지 효율을 달성하였다.
統計
제안 기법을 적용한 VGG-16 SNN은 ImageNet 데이터셋에서 ANN 대비 0.57% 정확도 손실을 보였다.
제안 기법을 적용한 ResNet-18 SNN은 ImageNet 데이터셋에서 ANN 대비 1.02% 정확도 손실을 보였다.
제안 기법을 적용한 ResNet-34 SNN은 ImageNet 데이터셋에서 ANN 대비 1.1% 정확도 손실을 보였다.
引用
"이벤트 구동 방식의 SNN은 기존 ANN 대비 높은 에너지 효율을 가지지만, 스파이크 기반 데이터 전달로 인해 정확도가 낮다."
"본 연구에서는 단일 스파이크 위상 부호화 기법을 제안하여 SNN의 에너지 효율을 크게 향상시켰다."
"제안 기법은 추가적인 재학습 없이도 ANN 대비 0.58%의 평균 정확도 손실만으로 SNN으로 변환할 수 있었다."