Improvement of Spiking Neural Network with Bit Planes and Color Models

要約

スパイキング ニューラル ネットワーク (SNN) は、計算神経科学と人工知能における有望なパラダイムとして浮上しており、低エネルギー消費や小さいメモリ使用量などの利点を提供します。
ただし、実際の採用にはいくつかの課題があり、その中でも特にパフォーマンスの最適化が制約されています。
この研究では、ビット プレーン表現を利用する新しいコーディング方法を通じて画像の SNN のパフォーマンスを向上させる新しいアプローチを紹介します。
私たちが提案する手法は、モデルサイズを増加させることなくSNNの精度を向上させるように設計されています。
また、提案されたコーディングプロセスのカラーモデルの影響を調査します。
広範な実験検証を通じて、複数のデータセットにわたってパフォーマンス向上を達成する際のコーディング戦略の有効性を実証します。
私たちの知る限り、これは SNN のコンテキストでビット プレーンとカラー モデルを考慮した最初の研究です。
ビットプレーンのユニークな特性を活用することで、SNN パフォーマンスの新たな可能性を解き放ち、将来の研究や応用において、より効率的かつ効果的な SNN モデルへの道を開くことができると期待しています。

要約(オリジナル)

Spiking neural network (SNN) has emerged as a promising paradigm in computational neuroscience and artificial intelligence, offering advantages such as low energy consumption and small memory footprint. However, their practical adoption is constrained by several challenges, prominently among them being performance optimization. In this study, we present a novel approach to enhance the performance of SNN for images through a new coding method that exploits bit plane representation. Our proposed technique is designed to improve the accuracy of SNN without increasing model size. Also, we investigate the impacts of color models of the proposed coding process. Through extensive experimental validation, we demonstrate the effectiveness of our coding strategy in achieving performance gain across multiple datasets. To the best of our knowledge, this is the first research that considers bit planes and color models in the context of SNN. By leveraging the unique characteristics of bit planes, we hope to unlock new potentials in SNNs performance, potentially paving the way for more efficient and effective SNNs models in future researches and applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google