机构名称：
¥ 4.0
“神经形态”是指与生物神经网络的架构和 / 或动态非常相似的系统 [1, 2, 3]。典型的例子是模仿生物大脑架构的新型计算机芯片，或从昆虫和哺乳动物的视觉或嗅觉系统等中获取灵感以获取环境信息的传感器。这种方法并非没有野心，因为它有望使工程设备能够重现生物有机体的性能水平 — — 主要的直接优势是有效利用稀缺资源，从而降低功耗。如今，神经形态方法主要在两个层面进行研究 (i) 算法和 (ii) 硬件。在算法层面，它利用基于脉冲的处理和训练 [2] 来构建能够有效处理数据的新型机器学习管道。在硬件层面，神经形态方法被用于设计受生物神经系统启发的新型模拟和数字电路和计算机芯片。这导致了新型传感设备的出现，据信这些设备可以产生特别好的候选对象来模拟生物视觉，以及用于设计专用于有效实现刚刚介绍的基于脉冲的系统的计算机芯片。事实上，由于基于脉冲的通信的不连续性和脉冲神经元的时间动态性，在传统计算机硬件上模拟整个脉冲神经元网络的行为在计算上（因此在能源方面）非常低效。这在人工智能 (AI) 领域也有近亲，Geoffrey Hinton 最近在其中引入了“凡人计算”的概念[ 4 ]：一种不存在软件和硬件分离的计算形式。在“凡人计算”中，神经网络解决方案与它们的计算能力独特地联系在一起
空间神经形态计算和传感
主要关键词
相关文件推荐
