DBNN 为脑机接口实现准确、低功耗的神经脉冲分类

研究人员开发了一种深度二值化神经网络（DBNN），用于可植入脑机接口的节点内脉冲分类。该 DBNN 系统具有两个二值化隐藏层，通过符号控制累加和按位逻辑实现无乘法器推理。所提出的分类器在合成和体内数据集上实现了 98.7% 的中位数准确率，其 FPGA 原型展示了低延迟和低硬件成本。ASIC 可行性研究表明其硅面积小且工作功耗极低，适合低功耗、可植入的神经接口。 AI

影响 通过降低计算成本和功耗，实现了更高效、更强大的可植入神经接口。

排序理由 该条目是一篇学术论文，详细介绍了一种用于特定应用的新型神经网络架构。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• application-specific integrated circuit
• DBNN
• Deep Binarized Neural Network
• field-programmable gate array
• FreePDK45
• Neural interfaces for the brain and spinal cord—restoring motor function
• Neural spike classification using parallel selection of all algorithm parameters
• Synopsys Design Compiler

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →