Advanced Computing and Related Applications Leveraging Brain-inspired Spiking Neural Networks

要約

次世代の脳にヒントを得た人工知能とますます高度化する電磁環境の急速な進化において、スパイキング ニューラル ネットワークの最も生物学的な特性と耐干渉性能は、計算速度、リアルタイム情報処理、空間空間の面で大きな可能性を示しています。
時間的な情報処理。
情報処理。
スパイキング ニューラル ネットワークは、脳型人工知能のコアの 1 つであり、生物学的ニューラル ネットワークの構造と情報伝達モードをシミュレートすることで脳型コンピューティングを実現します。
このペーパーでは、5 つのニューロン モデルの長所、短所、および適用可能性を要約し、5 つのネットワーク トポロジの特性を分析します。
次に、スパイキング ニューラル ネットワーク アルゴリズムをレビューし、シナプス可塑性ルールに基づく教師なし学習アルゴリズムと 4 種類の教師あり学習アルゴリズムを教師なし学習と教師あり学習の観点から要約します。
最後に、国内外で研究中の脳に似たニューロモーフィックチップのレビューに焦点を当てます。
このペーパーは、体系的な要約を通じて、スパイキング ニューラル ネットワークの研究分野に初めて携わる研究者に学習概念と研究の方向性を提供することを目的としています。

要約(オリジナル)

In the rapid evolution of next-generation brain-inspired artificial intelligence and increasingly sophisticated electromagnetic environment, the most bionic characteristics and anti-interference performance of spiking neural networks show great potential in terms of computational speed, real-time information processing, and spatio-temporal information processing. Data processing. Spiking neural network is one of the cores of brain-like artificial intelligence, which realizes brain-like computing by simulating the structure and information transfer mode of biological neural networks. This paper summarizes the strengths, weaknesses and applicability of five neuronal models and analyzes the characteristics of five network topologies; then reviews the spiking neural network algorithms and summarizes the unsupervised learning algorithms based on synaptic plasticity rules and four types of supervised learning algorithms from the perspectives of unsupervised learning and supervised learning; finally focuses on the review of brain-like neuromorphic chips under research at home and abroad. This paper is intended to provide learning concepts and research orientations for the peers who are new to the research field of spiking neural networks through systematic summaries.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google