SpikeQ

SpikeQ框架增强了用于神经形态芯片的SNN量化

研究人员开发了SpikeQ，一种用于脉冲神经网络（SNN）训练后量化的新颖框架。与专注于最小化均方误差的传统方法不同，SpikeQ通过模拟下游神经元行为和最小化脉冲误差来指导量化。这种方法对于神经形态芯片上的SNN至关重要，因为有限的内存需要低比特的突触权重和膜电位。SpikeQ在准确性和效率方面显示出显著的改进，尤其是在低比特电位方面，在图像分类、语义分割和目标检测的基准测试中优于现有方法。