MNIST を用いた SNN のための枝刈り及び重み係数量子化手法による推論効率化の評価

カテゴリ: 部門大会

論文No: GS11-3

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Evaluation of MNIST Inference efficiency for SNN using network pruning and coefficient quantization

著者名: 渡邉 直弥（近畿大学）,武内 良典（近畿大学）

著者名(英語): Naoya Watanabe (Kindai University),Yoshinori Takeuchi (Kindai University)

キーワード: スパイキングニューラルネットワーク|重み量子化|ネットワークの枝刈り|スパイクタイミング依存可塑性|Spiking Neural Network|Quantization of weights|Pruning of network|Spiking Timing Dependent Plasticity

要約(日本語): スパイキングニューラルネットワーク（SNN）は、生物学的なニューロンの動作を模倣し、スパイクによる時間情報を活用することで、従来のニューラルネットワークに比べ高いエネルギー効率と処理能力を実現することが期待される。このため、ニューロモルフィックコンピューティングや低消費電力デバイスの分野で特に注目されている。しかし、ネットワーク規模の拡大に伴う計算資源とメモリの消費増大は、エネルギー効率の低下を招く主要な課題である。そのため、本研究では、量子化およびプルーニング技術をそれぞれ独立して適用し、その効果を評価した。その結果、プルーニングと量子化が演算量削減と処理の高速化に寄与されることが確認された。