| 大规模类脑神经网络理论与方法 |
| |
| 作者姓名： | 马征宇 田永鸿 |
| |
| 作者单位： | 1. 鹏城实验室;2. 北京大学计算机学院;3. 北京大学信息工程学院 |
| |
| 基金项目： | 国家杰出青年科学基金(61825101);;国家自然科学基金(62027804,62088102,62206141,62236009)资助; |
| |
| 摘 要： | 脑启发的脉冲神经网络被称为第三代人工神经网络,通过模拟神经动力学、事件驱动等计算特性捕捉时序信息和节能高效地进行计算,为人工智能领域的发展提供了新范式.大脑惊人的信息处理能力很大程度上归功于其庞大的网络规模和复杂的网络连接.构建大规模类脑神经网络为脑启发式的人工智能、神经形态计算以及多应用领域带来了突破性的进展.本文首先根据现有的研究,分类介绍了脉冲神经元模型、大规模脉冲神经网络模型与算法、深度训练框架和神经形态芯片等3个方面的计算原理和最新的研究进展,指出了目前大规模类脑神经网络研究的进展和存在的问题,随后重点论述了大规模类脑网络的神经形态视觉应用,包括神经形态视觉重构、极端场景目标检测等.最后,在总结已有研究成果的基础上,对该领域的研究现状给出了若干结论,同时指出了仍然存在的一些问题,并对未来研究的需求、期待与发展趋势进行了展望.
|
| 关 键 词： | 大规模脉冲神经网络 脉冲神经元 神经形态芯片 深度训练框架 神经形态传感器 |
|
|
