-
题名脉冲神经网络研究现状与应用进展
被引量：4
- 1
-
-
作者
刘浩
柴洪峰
孙权
云昕
李鑫
-
机构
建信金融科技有限责任公司基础技术中心
复旦大学计算机科学技术学院
复旦大学金融科技研究院
中国银联股份有限公司金融科技研究院
上海大学悉尼工商学院
-
出处
《中国工程科学》
CSCD
北大核心
2023年第6期61-79,共19页
-
基金
国家重点研发计划项目(2021YFC3300600)
中国工程院咨询项目“数字化转型背景下金融风险监测与预警体系战略研究”(2023-XY-43)
+1 种基金
国家自然科学基金项目(72201161)
长三角科技创新共同体联合攻关项目(2022CSJGG0800,2021-YF09-00114-GX,PO3522083587,PO3522083675,HP2300490)。
-
文摘
脉冲神经网络(SNN)是更具生物可解释性的新一代人工神经网络,具有独特的信息编码处理方式、丰富的时空动力学特性、低功耗事件驱动工作模式等优势,近年来受到广泛关注并在医疗健康、工业检测、智能驾驶等方向获得探索性应用。本文介绍了SNN的基本要素和学习算法,包括经典的神经元模型、突触可塑性机制、常用的信息编码方式,分析了各类学习算法的优缺点,总结了主流的SNN软件模拟器、脉冲神经形态硬件的研究情况;细致梳理了SNN在计算机视觉、自然语言处理、推理决策等方面的研究以及行业应用场景,发现SNN在目标检测、动作识别、语义认知、语音识别等任务中具有突出的潜力,显著提升了相应的计算性能。我国在SNN领域的研究与应用发展,重在加强关键核心技术攻关、推动技术成果转化应用、持续优化产业生态格局,以尽快实现与国际先进水平的接轨;类脑复杂系统、类脑控制等理论与方法的深入研究和逐步突破,也将促进大规模SNN新模型的构建,有望拓展人工智能的更广阔应用前景。
-
关键词
脉冲神经网络
类脑计算
学习算法
神经形态芯片
应用场景
-
Keywords
spiking neural network
brain-inspired computing
learning algorithm
neuromorphic chip
application scenario
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
