SpikeDyn: A Framework for Energy-Efficient Spiking Neural Networks with Continual and Unsupervised Learning Capabilities in Dynamic Environments

Spiking Neural Networks (SNNs) bear the potential of efficient unsupervised and continual learning capabilities because of their biological plausibility, but their complexity still poses a serious research challenge to enable their energy-efficient design for resource-constrained scenarios (like emb...

Celý popis

Podrobná bibliografie

Vydáno v:	2021 58th ACM/IEEE Design Automation Conference (DAC) s. 1057 - 1062
Hlavní autoři:	Putra, Rachmad Vidya Wicaksana, Shafique, Muhammad
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 05.12.2021
Témata:	Adaptation models Analytical models complexity continual learning embedded systems Energy consumption Energy efficiency Heuristic algorithms Inference algorithms SNNs Spiking neural networks Training unsupervised learning
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!