研究人员开发了 UniSpike，这是一种新颖的软硬件方法，旨在提高脉冲神经网络 (SNN) 在神经形态系统上的效率。该方法解决了基于数据包的通信中冗余目标地址传输的问题，这会消耗大量流量和能量。通过将发送到同一核心的脉冲聚合到更紧凑的数据包中，UniSpike 实现了平均 1.93 倍的流量减少，与现有设计相比，速度提高了 1.77 倍，能效提高了 1.50 倍。 AI
影响 降低了脉冲神经网络的流量和能耗，有望实现更高效的人工智能硬件。
排序理由 该集群包含一篇学术论文，详细介绍了一种在专用硬件上加速特定类型神经网络的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →