精度降低对脉冲神经网络影响的快速探索
摘要：近似计算（AxC）技术通过牺牲计算精度来获得性能、能耗和面积的减少。当应用程序本质上对某些精度损失具有容忍性时，这种权衡特别方便，例如脉冲神经网络（SNNs）的情况。当目标硬件接近计算的边缘时，SNNs是一个实用的选择，但这需要一些面积最小化策略。在这项工作中，我们采用区间算术（IA）模型，开发一种探索方法，利用这种模型的能力来传播近似误差，以检测近似是否超过应用程序可容忍的限制。实验结果证实了大大减少探索时间的能力，提供了进一步减小网络参数大小以及更精细的结果的机会。
作者：Sepide Saeedi, Alessio Carpegna, Alessandro Savino and Stefano Di Carlo
论文ID：2212.11782
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-12-23