Решение задачи классификации аудиоданных на нейроморфном чипе «Алтай». Роман Рыбка

Докладчик: Роман Рыбка, начальник группы НИЦ «Курчатовский институт». Нейроморфные вычислительные устройства являются аппаратной базой для реализации импульсных (спайковых) нейронных сетей с чрезвычайно низким энергопотреблением. Это делает актуальной разработку методов получения импульсных нейронных сетей для решения задач машинного обучения. В докладе представлен метод получения импульсной нейронной сети, удовлетворяющей ограничениям для размещения на нейропроцессоре «Алтай»: синаптические веса являются 8-битными целыми числами, и при этом веса входящих синапсов каждого нейрона могут по модулю принимать не более заданного количества уникальных значений. Предложенный метод основан на преобразовании нейронной сети, обученной с учётом ограничений, в импульсную. Учёт ограничений обеспечивается с помощью квантования и кластеризации синаптических весов, в отличие от существующих подходов, в которых рассматриваются сети с тернарными весами, которые не используют весь доступный динамический диапазон весов. При преобразовании в импульсную сеть пороговые потенциалы импульсных нейронов устанавливаются так, чтобы нормировать количество испускаемых импульсов. На примере задачи классификации городских шумов импульсная сеть, полученная предложенным методом, достигает точности классификации от 42% до 67% (по 10 разбиениям кросс-валидации, в среднем 54%), что на 5% ниже, чем исходная сеть до учёта ограничений нейропроцессора. Дальнейшая работа направлена на расширение методов кодирования аудиосигналов и исследование эффективных нейросетевых архитектур. Страница конференции: Сайт Kaspersky Machine Learning: #Kaspersky #Neuromorphic #AI #NeuromorphicComputing #SpikingNeuralNetworks #КлассификацияЗвука