(资料图片仅供参考)
我们都想要一个具有超强记忆力、超高运算力和聪明才智的大脑，但如何设计这样的大脑呢？真正的大脑由约800亿个神经元组成，这些神经元通过数以万计的突触形式的连接相互协调，但人脑没有像标准笔记本电脑那样的中央处理器。
相反，许多计算是并行运行的，并且会比较结果。虽然人脑的运行原理还没有完全理解，但使用现有的数学算法可以将深度学习原理改造成更像人脑的系统。这种受大脑启发的计算范式——尖峰神经网络（SNN）——提供了一种计算架构，与使用光学和电子元件的系统的潜在优势非常吻合。
在SNN中，信息以尖峰或动作电位的形式处理，即真实神经元放电时发生的电脉冲。这两种形式的一个关键特性是使用异步处理，这意味着尖峰在出现时会被及时处理，而不是像传统神经网络那样被批量处理。因此SNN能够对其输入的变化做出快速反应，并比传统神经网络更有效地执行某些类型的计算。
SNN还能够实现在传统神经网络中难以或不可能实现的某些类型的神经计算，例如时间处理和脉冲时间依赖可塑性（STDP），其中STDP是赫布型学习（Hebbian learning）的一种形式，允许神经元根据尖峰脉冲的时间改变突触连接。（赫布学习被概括为“一起放电的神经元连接在一起”，适用于模拟大脑学习能力可塑性的数学）。
本文共计1000字开通高级账号后继续阅读
登录后获取已开通的账号权益温馨提示：研究院技术情报订阅者可畅读全文订阅本文共计1000字开通高级账号后继续阅读
您未开通，请开通后阅读温馨提示：研究院技术情报订阅者可畅读全文订阅关键词：
