英特尔神经形态域名系统挑战
摘要：Intel神经形态计算研究进展的一个重要推动因素是能够透明地评估不同神经形态解决方案在重要任务上的表现，并将其与现有的常规解决方案进行比较。受微软DNS挑战的启发，Intel神经形态深度降噪抑制挑战（Intel N-DNS Challenge）解决了一项普遍且商业相关的任务：实时音频降噪。由于音频降噪具有低带宽、时间特性和对低功率设备的相关性，因此它很可能从神经形态计算中受益。Intel N-DNS挑战由两个赛道组成：基于模拟的算法赛道鼓励算法创新，神经形态硬件（Loihi 2）赛道对解决方案进行严格评估。对于两个赛道，我们都规定了一种基于能量、延迟和资源消耗的评估方法，除了输出音频质量。我们免费提供Intel N-DNS挑战数据集脚本和评估代码，鼓励社区参与，并发布了一种神经形态基准解决方案，该解决方案在与Microsoft NsNet2和Intel用于生产的专有降噪模型相比时显示出有希望的音频质量、高能效和低资源消耗。我们希望Intel N-DNS挑战能加速神经形态算法研究的创新，特别是在实时信号处理的训练工具和方法方面。我们预计挑战的获胜者将证明对于诸如音频降噪之类的问题，与传统的现有解决方案相比，可以在现有的神经形态设备上实现显著的功率和资源提升。
作者：Jonathan Timcheck, Sumit Bam Shrestha, Daniel Ben Dayan Rubin, Adam Kupryjanow, Garrick Orchard, Lukasz Pindor, Timothy Shea, and Mike Davies
论文ID：2303.09503
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-08-02