neuromorphic-hardware

本文实证研究了剪枝、对抗训练和硬件引起的权重故障如何共同影响卷积神经网络的可靠性，发现对抗训练会增加对固定为零故障的敏感性，而剪枝对故障敏感性几乎没有影响。

本文提出将模拟神经形态硬件上的固有器件噪声作为持续学习的资源，通过条件化每个权重的随机动力学以避免跨越记忆关键势垒，展示了非单调的保持性能提升，并在BrainScaleS-2硅基芯片上进行了验证。