硬件感知的 Spiking Q-网络在 SpiNNaker2 神经拟态平台上的微调.pdfVIP

硬件感知的SpikingQ-网络在SpiNNaker2神

经拟态平台上的微调

SirineArfa,BernhardVogginger,ChristianMayr

ChairofHighly-ParallelVLSI-SystemsandNeuro-Microelectronics,TechnischeUniversitätDresden,Germany

ScaDS.AIDresden/Leipzig,Germany

CentreforTactileInternetwithHuman-in-the-Loop(CeTI)

Email:sirine.arfa@tu-dresden.de

摘要—脉冲神经网络（SNNs）承诺在广泛的机器人任务SNN执行。通过采用与稀疏、时间计算特性相符合的

本中，在神经形态硬件上实现数量级更低的功耗和低延迟推理。