Loading...
机构名称:
¥ 2.0

I. I n t r o d u c t i o n神经形态计算旨在理解和适应自然界中神经体系结构的基本属性,以发现一种新的计算机体系结构模型,该模型本来可以适合于大脑启发的计算类别,这些计算挑战了Von Neu-Mann模型。这些属性包括完全集成的记忆和计算,精细的并行性,普遍反馈和复发,大量的网络粉丝,低精度和随机计算以及通常与学习相关的持续适应过程。这些属性还包括稀疏,基于尖峰的互动,以中介分布式通信。这种尖峰神经网络(SNN)自然会通过以异步,事件驱动的方式进行操作,而偏爱非活性状态和低延迟处理来提供能量效率。从该诉讼中产生的计算的重新思考以意想不到的方式与相关领域相交,例如机器学习,深度学习,人工智能,计算科学和计算机架构。正如这项调查的结果所示,诸如Loihi之类的芯片及其支持的工作量不适合在一个精心设计的框中,至少不是当今已被充分了解的盒子。

使用loihi推进神经形态计算:结果调查和Outlook

使用loihi推进神经形态计算:结果调查和OutlookPDF文件第1页

使用loihi推进神经形态计算:结果调查和OutlookPDF文件第2页

使用loihi推进神经形态计算:结果调查和OutlookPDF文件第3页

使用loihi推进神经形态计算:结果调查和OutlookPDF文件第4页

使用loihi推进神经形态计算:结果调查和OutlookPDF文件第5页

相关文件推荐