SNNは従来の深層学習ネットワークよりもエネルギー効率が高く情報処理能力も優れているため、将来的にAI分野全体に革新的な影響を与える可能性があります。例えば、画像認識タスクでは既存のANNよりも優れたパフォーマンスが期待されており、ニューロモーフィックコンピュータビジョンシステムは大規模かつ複雑なビジョンタスク向けの持続可能で高速な解決策として注目されています。
また、SNNは低消費電力・高速演算・柔軟性・信頼性という点で従来のコンピュータアーキテクチャよりも優れており、「Internet of Things」(IoT)や人工知能技術向け新世代コンピュータシステム構築への応用が期待されています。その他多岐に渡る応用領域でもSNN技術は有望視されており,今後AI分野全体で革新的変化や進歩へ寄与する可能性があります。
SNNsが画像分類タスクでどれだけ競争力があるか?
SNNsは画像分類タスクでも徐々に競争力を示してきました。MNISTからImageNetまで幅広いデータセット上で実施された実験では,従来型ANN同等以上またはそれ以上 の精度 を達成した ケース も見受けられます 。近年 の 研究 では, ANN-S NN間 の ネット ワー クマッ ピング アプロー チ を通じ た 計算 力 高い S NN 構築 方法 や , STDP ( Spike - Timing - Dependent Plasticity )、 Surrogate Gradient Descent 等 の 学習 アルゴリズム を利用したトレーニング手法 でも 高精度 を 実現しました 。 特定 の 問題設定 や データセット条件下では 従 来 型 ANN を 上回っ
13;或者 出越す場 合 も見 受けら
Neuromorphic Dataset Classification with SNN
問題 Paper Year Neuron Algorithm Architecture Accuracy (%)
N-MNIST [197]2018 SRM Backprop2FC98.88[198]2018SRMBackprop12C5-2P-64C5-2P-10FC99.20[199]2019 LIFSurrogate Gradient128C3-128C3-AP2-128C3-
256C3-A P2 -1024 FC-Voting99.53[200]2020 LIFSTBP128 C3 -1
28 C3 -A P2 -
128 C3 -
256 C3 -
AP2 -
1024 FC-
1099 .42 [201 ]2021 IF Surrogate Gradient5 conv, 2 FC99 .31 [201 ]2021 LI F Su rroga te G radie nt5 co nv ,
2FC99.22【202】2023 LIF サラウントグラディエント 5conv, 2FC99.44DVS-CIFAR10 【199】2019 LIF スラウントグラディエント128СЗ−128СЗ−АРЗ−128СЗ−25бСЭ—АРз—1024ФЦ—Вотинг60.50【203】2020 IF ANN-SN N4 Conv,
65.61 【204】2021 L I F スラウートグラディエント5 Сонв, З ФЦ63 .20【205】2021 LI F スуругате Градиент5 Сонв, З ФЦ65 .59【206】2021 ЛИF Суррога те Гра дие нт5 сов , З Фц63 .73【159】【156】【157】【156】【157】
DVS-CIFAR100 【158】2020 RMP(soft-reset) RateANN-S NNResNet–20767.82 【159】2021 LI F Ra teSu rrogat e Gra die ntRe sNe t–1874.
24 【156】【157】
74.7� �06� �06� �06� �067.�
ImageNet [107]
2019 IFRateANN-SNVGG1669.
96
[154]
2020LI FRateHybridVGG1665.
19
[155]
ImageNet ImageNet ImageNet Image NetIma ge NetIm age Net Im age Ne tImag e N et Imag e N et Imag e N et Im ag e Ne tI mage Net Ima ge Ne tI mag e Ne tI m a g e N et I ma g E n Et Im A g E nEt IMAGe NET IMAGE NE T IMAGENETIMAGENETIMAGE NETIM AG EN ET IM AGE NE TIMAGE NETIMAGE NETIMAGE NETIM AG ENE T IMAGE NE TIMAGE NE TIMAGE NE T IMAGE NETIMA GENETIMA GENETIMA GENETIMA GE NI M AGENE TI MAGENE TI MA GENE TI MAGENE TI MA GENE TI MAGEN ET IMA GEN ET IM AGE NTIE M AG EN ET IM AGE NTIE M AG EN ET IM AGE NTIE M AG EN ET IMG AE NEG TE IN AMGE TN EI MGAE NGTE INAMG ENT IE NMGA ENEG TEIN AMGENTEI NMGA EEINGTEIANMGENTEINAMGENTEIMGANEEGTINEANGEMTNIEMAEGNTIEANMGENTEINAMGNTEEINGTEIANMGENTEI ANMGENTEI ANMGENTEI ANMGENTEI ANGMEEITNGEAINMEGETNAIGNMATEIGNEMATGIENGMAITEGNMEAITGENMATIGENGMAITEGNMEAINTGEANIEMTAGINEIMEANTGINEIMEANTGINEIMEANTGINEIMEANTGIN EM EA NT GI ME IA GN EI ME IA GN EI ME IA GN EI ME AI GN EM EA NT GI ME IA GN EI ME IA GN EI ME
0
Mục lục
次世代コンピュータビジョンのためのスパイクベースのニューモルフィックコンピューティング
Spike-based Neuromorphic Computing for Next-Generation Computer Vision