Implementierung einer eventbasierten Pipeline für Convolutional Spiking Neural Networks auf programmierbarer Hardware

Abstract

Die vorliegende Abschlussarbeit präsentiert den Entwurf einer eventbasierten Verarbeitungspipeline für Convolutional Spiking Neural Networks. Hierfür wird ein Verfahren für die eventbasierte Berechnung der Faltungsoperationen vorgestellt und deren Übereinstimmung mit einer existierenden Software-Implementierung verglichen. Die Entwicklung eines parametrisierbaren Hardware-Entwurfs der eventbasierten Pipeline auf programmierbarer Logik wird detailliert besprochen und deren Skalierbarkeit auf einer ausgewählten Zielplattform analysiert. Die Performance der Hardware-Pipeline wird anhand von Synthese- sowie Simulationsergebnissen abgeschätzt und ebenfalls mit der existierenden Software-Implementierung verglichen. Für ein Netz mit einer Eingangsauflösung von 48×24 wurde hierbei eine ähnliche Verarbeitungsgeschwindigkeit prognostiziert. Für die aufgezeichnete Testsequenz erreicht der Hardware-Entwurf annähernd Echtzeitfähigkeit, während der Energieverbrauch beinahe um den Faktor 100 reduziert wurde.