一种基于STDP在线学习的卷积脉冲神经网络的硬件加速器
公开
摘要
本发明公开了一种基于STDP在线学习的卷积脉冲神经网络的硬件加速器，采用STDP与RSTDP两种算法结合训练，支持网络的在线学习，能够适应动态变化的环境。所述硬件加速器由上位机与FPGA组成，前者进行脉冲编码等数据预处理，后者进行实际的网络计算。加速器在Xilinx的ZCU102型号的FPGA上实现，最终在MNIST数据集上进行训练，测试准确率可达95％。本发明支持小样本学习，即使有标签的本量减少到原训练集的20％，测试准确率依然可达约95％。在100MHz时钟频率下，每幅图像推理时间为0.16s，训练时间为0.177s，处理速度比CPU提高了16倍。本发明功耗为3.979W，相比于CPU降低了两个数量级。
基本信息
专利标题 ：
一种基于STDP在线学习的卷积脉冲神经网络的硬件加速器
专利标题（英）：
暂无
公开（公告）号 ：
CN114611684A
申请号 ：
CN202210220091.4
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-08
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
朱晓雷董骁陈沁馨马德唐华锦
申请人 ：
浙江大学;之江实验室
申请人地址 ：
浙江省杭州市西湖区余杭塘路866号
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
郑海峰
优先权 ：
CN202210220091.4
主分类号 ：
G06N3/063
IPC分类号 ：
G06N3/063 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/06
物理实现，即神经网络、神经元或神经元部分的硬件实现
G06N3/063
采用电的
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
