机构名称：
¥ 1.0
近十年来，基于人工脉冲神经网络的神经形态架构兴起，例如 SpiNNaker、TrueNorth 和 Loihi 系统。这些架构中的大规模并行性以及计算和内存的共置可能使能耗比传统的冯·诺依曼架构低几个数量级。然而，到目前为止，由于缺乏正式的机器模型和神经形态计算的计算复杂性理论，因此无法将其与更传统的计算架构进行比较（特别是在能耗方面）。在本文中，我们迈出了建立这种理论的第一步。我们引入脉冲神经网络作为机器模型，与我们所熟悉的图灵机不同，信息及其操作共置在机器中。我们引入了典型问题，定义了复杂性类的层次结构，并提供了一些初步的完整性结果。
关于脉冲神经网络的计算能力和复杂性
主要关键词
相关文件推荐
