文献检索-宁波市创意产业特色资源库

限定检索结果

基于ZYNQ集群的神经形态计算加速研究与实现: 收藏
分享
引用; 《计算机工程与应用》2020年第21期56卷 65-71页; 作者：张新伟李康郁龚健刘家航李佩琦柴志雷江南大学物联网工程学院物联网技术应用教育部工程研究中心江苏无锡214122 数学工程与先进计算国家重点实验室江苏无锡214125; 基于脉冲神经网络(SNN)的神经形态计算由于工作机理更接近于生物大脑,被认为有望克服深度学习的不足而成为解决人工智能问题的更佳途径。但是如何满足高性能、低功耗和适应规模伸缩需求是神经形态计算系统需要解决的挑战性问题。基于FPG...; 基于脉冲神经网络(SNN)的神经形态计算由于工作机理更接近于生物大脑,被认为有望克服深度学习的不足而成为解决人工智能问题的更佳途径。但是如何满足高性能、低功耗和适应规模伸缩需求是神经形态计算系统需要解决的挑战性问题。基于fpga异构计算平台ZYNQ集群,在NEST类脑仿真器上,重点解决了具有脉冲时间依赖可塑性(STDP)突触计算复杂度高、并行度低、硬件资源占用大的问题。实验结果表明,设计的方法在8节点ZYNQ 7030集群上,性能是Xeon E5-2620 CPU的14.7倍。能效比方面,是Xeon E5-2620 CPU的51.6倍,是8节点ARM Cortex-A9的20.6倍。; 来源：详细信息评论

限定检索结果