实体 Spiking Heidelberg Dataset

Spiking Heidelberg Dataset

PulseAugur coverage of Spiking Heidelberg Dataset — every cluster mentioning Spiking Heidelberg Dataset across labs, papers, and developer communities, ranked by signal.

Show in brief

总计 · 30天

90 天内 1

发布 · 30天

90 天内 0

论文 · 30天

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_82622 · Jun 10 · 04:00

新的SNN架构提升能效和性能

研究人员开发了两种新颖的架构，ReSCom和SupraSNN，旨在提高脉冲神经网络（SNN）的能效和性能。ReSCom利用随机计算进行乘法运算，以降低硬件复杂性并保持稳定的推理，提供准确性、延迟和能耗之间的动态权衡。SupraSNN受超标量处理器的启发，物理上解耦了突触和神经元计算，以利用突触级别的并行性，实现了比以前基于FPGA的SNN加速器更低的延迟和更好的能效。另外，一种名为GRAU的新设计为神经网络硬件加速器提供了一种通用的可…

新的SNN架构提升能效和性能