神经形态计算

文档摘要

神经形态计算生物学启发：脉冲神经元（spiking neuron）、突触可塑性（synaptic plasticity）、时间编码（temporal coding）脉冲神经网络（spiking neural networks，SNN）：积分-发放模型（LIF、IF）、脉冲时序 SNN 中的学习：STDP（脉冲时序依赖可塑性）、替代梯度法、从 ANN 转换神经形态硬件：Intel Loihi 2、IBM TrueNorth、SpiNNaker、BrainScaleS 事件驱动计算：异步处理、高能效事件相机（DVS）：神经形态视觉传感器、稀疏时序数据应用：低功耗边缘推理、机器人、常开型感知与传统深度学习的对比：延迟、功耗、精度的权衡

神经形态计算

生物学启发：脉冲神经元（spiking neuron）、突触可塑性（synaptic plasticity）、时间编码（temporal coding）
脉冲神经网络（spiking neural networks，SNN）：积分-发放模型（LIF、IF）、脉冲时序
SNN 中的学习：STDP（脉冲时序依赖可塑性）、替代梯度法、从 ANN 转换
神经形态硬件：Intel Loihi 2、IBM TrueNorth、SpiNNaker、BrainScaleS
事件驱动计算：异步处理、高能效
事件相机（DVS）：神经形态视觉传感器、稀疏时序数据
应用：低功耗边缘推理、机器人、常开型感知
与传统深度学习的对比：延迟、功耗、精度的权衡