AR-LIF: Adaptive reset leaky integrate-and-fire neuron for spiking neural networks
Created by
Haebom
저자
Zeyu Huang, Wei Meng, Quan Liu, Kun Chen, Li Ma
개요
본 논문은 이벤트 기반의 특성으로 인해 저전력 소비를 제공하는 스파이킹 신경망(SNN)에 대해 다룹니다. 이진 스파이크 출력을 넘어, SNN의 고유한 부동 소수점 동역학에 대한 더 큰 관심을 요구합니다. 뉴런 임계값 수준과 재설정 모드는 스파이크 개수와 타이밍을 결정하는 중요한 요소입니다. 하드 재설정은 정보 손실을 야기하는 반면, 소프트 재설정은 뉴런에 대해 균일한 처리를 적용합니다. 이러한 문제를 해결하기 위해, 입력, 출력, 재설정 간의 관계를 설정하는 동적 재설정 뉴런을 설계하고, 단순하면서도 효과적인 임계값 조정 전략을 통합했습니다. 실험 결과는 제안된 방법이 낮은 에너지 소비를 유지하면서 우수한 성능을 달성함을 보여줍니다. 특히, Tiny-ImageNet과 CIFAR10-DVS에서 최첨단 정확도를 달성했습니다. 코드는 https://github.com/2ephyrus/AR-LIF 에서 이용 가능합니다.
시사점, 한계점
•
시사점:
◦
입력, 출력, 재설정 간의 관계를 고려한 적응형 재설정 뉴런 설계를 통해 SNN의 성능 향상 및 에너지 효율 개선 가능성을 제시.