机构名称：
¥ 19.0
将计算工作负载从云转移到边缘设备可以显着证明推理和学习的总体延迟。相反，此范式偏移加剧了边缘设备上的资源约束。受神经过程启发的神经形态计算体系结构是边缘设备的自然基板。他们是共同存在的记忆，原位训练，能量效率，高记忆密度和计算能力，以较小的形式。由于这些特征，在最近的过去，混合CMOS/MEMRistor神经形态计算系统迅速扩散。但是，这些系统中的大多数具有有限的可塑性，靶向空间或时间输入流，并且未在大规模的异质任务上证明。设计可扩展的神经形态系统存在关键的知识差距，该系统可以支持边缘设备上的时空输入流的混合可塑性。
带有设备学习的节能新皮层启发的系统
主要关键词
相关文件推荐
