神经形态网络【neuromorphic computing】——起

最新推荐文章于 2025-05-04 16:43:50 发布

原创

最新推荐文章于 2025-05-04 16:43:50 发布 · 5.1k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #神经形态网络 #综述

这篇综述详细介绍了神经形态计算的发展、模型、算法、硬件实现及其在低功耗、实时性能和并行性方面的优势。神经元模型包括从生物学上精确的Hodgkin-Huxley模型到简化版的Izhikevich模型。突触模型和网络模型探讨了其生物启发和复杂性。学习算法涵盖了Hebbian学习和STDP。硬件部分讨论了数字、模拟和混合平台，如FPGA、ASIC及神经网格。应用领域广泛，包括视觉、听觉、脑机接口和机器人等。文章最后提出了训练算法、新兴技术和软件支持的未来发展挑战。

一个超长综述，其实只有22页，22——88全是参考文献.jpg

paper:A Survey of Neuromorphic Computing and Neural Networks in Hardware、
文章主要内容：发展动机，变化历史，模型，算法，学习，硬件实现，支持组件，通信方案，软件系统，应用类型，前瞻总结与挑战等
定义：神经形态计算（Neuromorphic computing）用来指代与普遍的冯·诺依曼计算机体系结构形成鲜明对比的灵感来源于大脑的计算机、器件和模型。【最早由Caver Mead 提出，1990】
难点：建立准确的大脑神经模型，到寻找材料和技术来构建支持这些模型的设备，到开发一个能使系统自动学习的编程框架，再到创建具有类脑功能的应用程序
优势：快，高效，低耗能，小占地面积【还是More law 问题】，搞大规模在线实时学习平台【人工智能

一. 动机

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-18L2ZDuX-1637736126909)(C:\Users\admin\AppData\Roaming\Typora\typora-user-images\image-20210922153601622.png)]$

很明显，动机主要就是图中的几条：实时性能、并行性【早期，自定义硬件】、冯·诺依曼的瓶颈、可扩展性、低功耗【人类大脑：20W】、封装大小、容错、速度更快、在线学习、神经科学

二. 模型

2.1神经元模型

模型：组成网络的组件【网络模型】，组件如何操作【神经元模型】，组件的相互作用【突触模型】
轴突：axon；树突：dendrites；突触：synapse；

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hBzS0kjp-1637736126911)(C:\Users\admin\AppData\Roaming\Typora\typora-user-images\image-20210922162309344.png)]$