本文介绍了脉冲神经网络（SNN）的基本原理，包括其与传统神经网络的区别，以及脉冲编码的方式。讨论了浙大研制的类脑芯片在脉冲神经网络应用上的局限性，如缺乏算法和功能创新。此外，概述了SNN在目标检测等领域的潜力，及其在神经科学和信息处理中的应用。
如何评价浙大研制出国内首款支持脉冲神经网络的类脑芯片
第一，并没有太多的创新性。且不说国际上早有‘SNN（spikingneuralnetwork）’芯片，仅在国内，是不是国内首例都不好说，据我所知，清华也有课题组在做类似的芯片。
第二，在功能上没有大的突破。看浙大官方的新闻，该芯片“实现”的功能是“手写数字的识别和脑电波的解码”。业内人士应该都知道，这两项功能是机器学习领域已经玩儿烂的了，和SNN几乎没有一毛钱的关系。
第三，在算法上没有大的突破。具体的算法没有报道，但新闻上说，“最多可支持2048个神经元、400多万个神经突触及15个不同的突触延迟。
”我一看这神经元和突触比例吓一跳，原来是做了一个全连接的网络啊……并没有什么真实神经网络的算法引进。
而在制作工艺上，本研究采用传统的CMOS工艺，显然和IBM的研究不在一个时代（TrueNorth芯片里的神经元是百万级的）。
谷歌人工智能写作项目：神经网络伪原创
脉冲神经网络的简介
脉冲神经网络（SNN-SpikingNeuronNetworks)经常被誉为第三代人工神经网络A8U神经网络。第一代神经网络是感知器，它是一个简单的神经元模型并且只能处理二进制数据。
第二代神经网络包括比较广泛，包括应用较多的BP神经网络。但是从本质来讲ÿ
最低0.47元/天 解锁文章
扫一扫
1630
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
