免BN二值脉冲神经网络

存储降九成七

用自适应阈值IF神经元替代时空BN，推理时无需BN且精度无损。

Qiao, Guanchao · 宁宁 · Zuo, Yue · Zhou, Pujun · Sun M.L. · 胡绍刚 · 于奇 · 刘永生

Neurocomputing 2023

参数信息

N-MNIST 分类准确率

99.36 %

N-TIDIGITS18 分类准确率

90.39 %

权重规模缩减

~97 %

技术优势

省去BN计算

推理时用简单的自适应阈值IF神经元等效替代计算昂贵的时空BN，精度无损，硬件实现更简单。

存储降九成七

权重二值化使模型存储规模显著降低约97%，便于部署到内存受限的边缘设备。

抗权重噪声

二值SNN比全精度SNN对权重噪声更鲁棒，适合低精度硬件实现。

应用场景

• 边缘端脉冲神经网络：权重二值化与免BN推理适合内存受限的边缘端部署。
• 低功耗计算芯片：简化神经元计算与低存储需求利于低功耗芯片实现。
• 可穿戴设备低功耗人工智能：存储缩减约97%使可穿戴设备上的SNN更可行。
• 自主系统实时感知：低延迟脉冲处理与紧凑模型适合自主系统实时感知。