QSNNA：一种用于癫痫检测的高能效四元脉冲神经网络加速器

《IEEE Transactions on Very Large Scale Integration (VLSI) Systems》：QSNNA: An Energy-Efficient Quaternary Spiking Neural Network Accelerator for Seizure Detection

　　

摘要：

本研究提出了一种新的四值脉冲神经网络架构及其相应的节能硬件加速器，旨在解决边缘计算中的效率与精度之间的平衡问题。与传统二值脉冲神经网络不同，该架构利用多级脉冲幅度来提升时间表示的密度。为优化硬件实现，我们引入了低复杂度的时间特征融合编码方案以及自适应脉冲抑制机制。具体而言，TFFE方案在时间序列信号处理任务中提取时域特征，从而实现高效的脉冲编码，避免了复杂的编码开销。此外，ASSM机制能够动态利用神经网络的固有稀疏性，跳过冗余计算，从而实现推理延迟与功耗之间的可配置平衡。基于这种算法与硬件的协同设计，QSNN加速器在40纳米CMOS工艺上得到了实现。我们通过使用CHB-MIT数据库进行癫痫发作检测任务，验证了该架构的可靠性与高效性。实验结果表明，该加速器每次推理的最小能耗为0.066?μ焦耳，其核心面积仅为0.21平方毫米，相比最先进的加速器，能耗降低了>3.4×倍。同时，该系统还具备较高的分类性能，准确率可达≥97.40％，灵敏度为≥96.74％，特异性也为≥97.88％，性能优于传统方法。