文献

J-GLOBAL ID：202202232721805212   整理番号：22A0310948

アドレスイベント表現信号認識のための軽量畳込みSNN【JST・京大機械翻訳】

Lightweight Convolutional SNN for Address Event Representation Signal Recognition

著者 (4件)： Liu Zhaoxin (School of Artificial Intelligence, Xidian University, Shanxi, China) ,  Huang Bangbo (X Lab, The Second Academy of CASIC, Beijing, China) ,  Wu Jinjian (School of Artificial Intelligence, Xidian University, Shanxi, China) ,  Shi Guangming (School of Artificial Intelligence, Xidian University, Shanxi, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13069  ページ： 301-310  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： SNN(スパイキングニューラルネットワーク)は,DVSセンサの出力がスパイクであるため,DVS(動的ビジョンセンサ)物体認識に適している。既存のSNNは,通常,多数のパラメータで完全に接続することによりネットワークを構築する。しかし,深いネットワークは,この接続で訓練できず,大きなパラメータネットワークを展開できず,そこでは貯蔵が制限される。これらの短所を克服するために,著者らは火災モジュールと呼ばれる新しいモデルを導入した。火災モジュールには2つの構造がある。1つは,重み共有層の組合せであり,もう1つはスキップ接続であり,それは,パラメータの数を減らし,それぞれ,深いネットワークを訓練できる。提案手法を既存のSNNと比較し,本手法がTMV3-DVSとN-CARSデータセットの完全接続に対して1800x少ないパラメータで競合性能を達成することを示した。さらに,DVSセンサと軽量SNN物体認識ネットワークを結合して,物体認識ハードウェアシステムを生成した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *表現 ,  火災 ,  ネットワーク ,  ニューラルネットワーク ,  物体認識 ,  モデル ,  センサ ,  コヒーレント反Stokes Raman散乱 ,  視覚センサ
準シソーラス用語： *アドレスイベント表現 ,  スパイキングニューラルネットワーク ,  軽量 , 【Automatic Indexing@JST】

著者キーワード (4件)： スパイキングニューラルネットワーク ,  軽量ネットワーク ,  物体認識 ,  ハードウェアシステム

分類 (2件)： パターン認識  (JE07000S) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： アドレスイベント表現 ,  軽量 ,  畳込み