تم نشر ورقة فنية جديدة بعنوان "تحسين الشبكات العصبية القائمة على الأحداث في الهندسة العصبية الرقمية: استكشاف شامل للفضاء التصميمي" من قبل imec وTU Delft وجامعة توينتي.
ملخص
"تعد المعالجات العصبية بزمن وصول منخفض ومعالجة موفرة للطاقة من خلال اعتماد منهجيات تصميم جديدة مستوحاة من الدماغ. ومع ذلك، لا تزال الحلول العصبية الحالية تكافح لمنافسة أداء مسرعات التعلم العميق التقليدية وكفاءة المساحة في التطبيقات العملية. تعد معالجة تدفق البيانات المستندة إلى الأحداث والحوسبة القريبة/في الذاكرة هما الاتجاهان السائدان في التصميم للمعالجات العصبية. ومع ذلك، لا تزال هناك تحديات في تقليل الحمل الزائد للمعالجة المستندة إلى الأحداث وزيادة كفاءة رسم الخرائط للحوسبة القريبة/في الذاكرة، مما يؤثر بشكل مباشر على الأداء وكفاءة المنطقة. في هذا العمل، نناقش هذه التحديات ونقدم استكشافنا لتحسين استدلال الشبكة العصبية القائمة على الأحداث على SENECA، وهي بنية عصبية مرنة وقابلة للتطوير. لمعالجة الحمل الزائد للمعالجة المستندة إلى الأحداث، نقوم بإجراء استكشاف شامل للمساحة ونقترح تجميعًا متصاعدًا لتقليل إجمالي الطاقة ووقت الاستجابة. علاوة على ذلك، نقدم تقنية العمق الأول المستندة إلى الحدث لزيادة كفاءة المنطقة وزمن الوصول في الشبكات العصبية التلافيفية (CNN) على المعالج العصبي الشكل. لقد قمنا بقياس حلنا الأمثل فيما يتعلق باكتشاف الكلمات الرئيسية، ودمج أجهزة الاستشعار، والتعرف على الأرقام، ومهام الكشف عن الكائنات عالية الدقة. بالمقارنة مع أحدث المعالجات العصبية واسعة النطاق، تؤدي تحسيناتنا المقترحة إلى تحسين كفاءة الطاقة بنسبة 6x إلى 300x، وتحسين زمن الوصول بنسبة 3x إلى 15x، وتحسين 3x إلى 100x. في كفاءة المنطقة. يمكن تعميم تحسيناتنا للشبكات العصبية القائمة على الأحداث على مجموعة واسعة من المعالجات العصبية القائمة على الأحداث.
ابحث عن التقنية ورقة هنا. تم النشر في مارس 2024.
شو، ويينغفو، وجيرت جان فان شيك، وألكسندرا دوبريتا، وروي ميجر، وسينا أرجماند، وكانيشكان فاديفيل، ومانوليس سيفالاكيس، وجوانجزي تانغ، وأمير رضا يوسف زاده. "تحسين الشبكات العصبية القائمة على الأحداث في الهندسة العصبية الرقمية: استكشاف شامل لمساحة التصميم." الحدود في علم الأعصاب 18: 1335422.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://semiengineering.com/optimizing-event-based-neural-network-processing-for-a-neuromorphic-architecture/
