机构名称：
¥ 2.0
摘要 处理“大数据”（基于或由人工智能辅助）的需求日益增长，人们对更全面地了解大脑运作的兴趣也日益增加，这刺激了人们努力用廉价的传统组件构建仿生计算系统，并构建不同的（“神经形态”）计算系统。一方面，这些系统需要大量处理器，这会带来性能限制和非线性扩展。另一方面，神经元操作与传统工作负载截然不同。传导时间（传输时间）在传统计算和神经网络的“时空”计算模型中都被忽略了，尽管冯·诺依曼警告说：“在人类神经系统中，沿线（轴突）的传导时间可能比突触延迟更长，因此我们上述忽略它们（除了τ[处理时间]）的程序是不合理的”[1]，第 6.3 节。单是这种差异就使得在技术实现中模仿生物行为变得困难。此外，计算领域的最新问题引起了人们对时间行为也是计算系统的一个普遍特征的关注。它们在生物和技术系统中的一些影响已经引起了人们的注意。这里建议不要引入一些“看起来像”的模型，而是正确处理传输时间。引入基于明可夫斯基变换的时间逻辑可以定量地洞察
论生物模拟计算系统中的时空行为
主要关键词
相关文件推荐
