大脑计算机界面(BCIS)已被广泛采用,以通过具有丰富的空间时间动力学(例如脑电图(EEG))来增强人类感知。近年来,BCI算法正在从经典的功能工程转变为新兴的深神经网络(DNN),从而可以以提高精度识别时空动力学。但是,省BCI体系结构并没有利用这种动力来实现硬件。在这项工作中,我们提出了ubrain,这是一种具有级联卷积和经常性神经网络的DNN模型的一级计算bci架构,以实现高任务能力和硬性功能。ubrain共同设计算法和硬件:DNN体系结构和硬件体系结构分别通过自定义的单一操作和传感后的即时信号处理进行了优化。实验表明,由于精确的准确性损失可忽略不计,超过了CPU,收缩期阵列和固定计算基线的基准,在片上功率的效率上超过了9。0⇥,6。2⇥和2。0⇥。
主要关键词