-
题名脉冲神经网络基准测试及类脑训练框架性能评估
- 1
-
-
作者
胡汪鑫
成英超
何玉林
黄哲学
蔡占川
-
机构
人工智能与数字经济广东省实验室(深圳)
深圳大学计算机与软件学院
澳门科技大学计算机科学与工程学院
-
出处
《应用科学学报》
北大核心
2025年第1期169-182,共14页
-
基金
广东省基础与应用基础研究基金重点项目(No.2023B1515120020)
广东省自然科学基金面上项目(No.2023A1515011667)
深圳市基础研究项目(No.JCYJ20220818100205012,No.JCYJ20210324093609026)资助。
-
文摘
随着脉冲神经网络(spiking neural network,SNN)研究需求的不断增长,开源类脑训练框架也迅速发展。然而,目前缺乏针对这些框架的系统性选择指南。为了解决该问题,提出了一种基于图像分类任务的SNN基准测试方法。本文为两种SNN训练方法,即直接替代梯度反向传播训练方法以及从人工神经网络(artificial neural network,ANN)到SNN的转换训练方法分别设计了卷积神经网络和全连接深度神经网络模型,并使用MNIST、FashionMNIST和CIFAR-10基准图像数据集,以训练时间和分类准确率为评估指标,比较了不同类脑训练框架的性能差异。研究结果表明,在SNN直接训练中,类脑训练框架SpikingJelly在训练时间和分类准确率方面均表现优异;而在ANN到SNN的转换训练中,Lava框架实现了最高的分类准确率。
-
关键词
深度学习
脉冲神经网络
类脑训练框架
基准测试
图像分类
-
Keywords
deep learning
spiking neural network
neuromorphic training framework
benchmarking
image classification
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
