搜索结果: 1-13 共查到“计算机科学技术 神经形态”相关记录13条 . 查询时间(0.048 秒)
为抢抓人工智能发展的重大战略机遇，我国在《新一代人工智能发展规划》中明确指出要大力开展具有成像功能的类脑视觉传感技术研究。神经形态类脑视觉硬件作为具有光信息感知、信息处理、信息存储、逻辑思维和判断功能的新型器件，是构建类脑视觉感知和实现超低功耗类脑存算的核心部件，在人工智能、机器视觉、智能家居、自动驾驶、工业检测、生物医学成像及智慧健康等领域呈现出巨大发展潜力。传统神经形态视觉系统通过将传感单元、...
中国科学院计算技术研究所研制出超导神经形态处理器原型芯片“苏轼”（图）
超导 神经形态 处理器 苏轼
2023/10/8
中国科学院计算技术研究所研究员尤海航和唐光明带领的研究团队，研制了超导神经形态处理器原型芯片“苏轼”（SUSHI）。“苏轼”是一款基于超导单磁通量子（SFQ）电路的超导计算芯片。超导SFQ电路同时具有超高计算速度和超低计算功耗的特点，有望突破传统计算在单位体积和单位能耗条件下提升算力困难的瓶颈。近年来，超导计算芯片成为新原理计算领域的研究热点之一。
中国科学院微电子研究所在自旋神经形态器件方面获进展（图）
自旋 神经形态 器件
2023/3/29
生物启发脉冲神经网络架构有望通过模拟人脑的高算力、高并行度、低功耗等特性，解决冯·诺依曼架构存储墙和能效瓶颈等问题。然而，面向构建脉冲神经网络的神经形态硬件的研究尚处于探索阶段，基于传统CMOS的神经形态芯片通常需要数十个晶体管和若干电容；基于新型存储器等新原理神经元器件亦需集成额外电容或复位操作电路，且耐久性受限，难以满足高频神经元器件的信息整合处理需求。自旋电子器件具有高能效、高耐久性及更丰富...
用于时空稀疏小样本学习的大规模神经形态数据集N-Omniglot（图）
时空稀疏 小样本学习 神经形态数据集
2022/12/7
中国科学院自动化研究所类脑认知智能研究组在Nature出版社旗下期刊Scientific Data上在线发表了一篇题为“N-Omniglot,a large-scale neuromorphic dataset for spatio-temporal sparse few-shot learning”的论文，提出了用于时空稀疏小样本学习的大规模神经形态数据集——N-Omniglot，为脉冲神经网络...
中国科学院微电子研究所等在多模态神经形态感知研究方面取得进展（图）
多模态 神经形态感知 躯体感受系统
2022/6/9
躯体感受系统中的多模态感知可帮助人们获得更全面的物体属性，并对物体的状态做出准确判断，尤其是不同受体的感觉信号在一定的条件下还可被神经元整合并发送到大脑皮层作进一步处理（图1a）。与单模态感知相比，多模态融合感知在评估物体属性和提高物体识别精度方面具有明显优势。在传统的人工感知系统中，多模态信息的处理多采用串行计算架构，传感信号需转换为数字模式才能被处理器处理，产生了较大的功耗和通信带宽开销。此外...
自组织映射网络（SOM，图1a），又称“Kohone网络”，是一种受大脑拓扑结构启发的功能强大的无监督学习神经网络。相比经典的多维尺度或主成分分析等线性算法，SOM具有更强大的数据聚类能力，在语言识别、文本挖掘、财务预测和医学诊断等聚类和优化问题方面展现出独特的优势。然而，基于传统CMOS硬件实现SOM受到计算相似性和确定邻域的复杂性的限制，且存在电路结构复杂、能量面积开销大、缺乏对相似度的精确计...
自组织映射网络（SOM，图1a），又称“Kohone网络”，是一种受大脑拓扑结构启发的功能强大的无监督学习神经网络。相比经典的多维尺度或主成分分析等线性算法，SOM具有更强大的数据聚类能力，在语言识别、文本挖掘、财务预测和医学诊断等聚类和优化问题方面展现出独特的优势。但基于传统CMOS硬件实现SOM受到计算相似性和确定邻域的复杂性的限制，且存在电路结构复杂、能量面积开销大、缺乏对相似度的精确计算等...
北京大学信息科学技术学院微纳电子学系黄如院士-杨玉超研究员课题组在基于动力学的神经形态器件与全忆阻类脑计算系统研究中取得重要进展（图）
北京大学信息科学技术学院 动力学 神经形态器件 全忆阻 类脑计算系统 人工神经元
2020/7/11
信息科学技术学院微纳电子学系黄如院士-杨玉超研究员课题组提出并研制了一种基于氧化铌忆阻器的新型脉冲神经元，它不仅可以实现传统的全有/全无、阈值驱动发放等神经元特性，而且还可以支持时空复杂性信息整合、在单个脉冲神经元中实现动态逻辑（包括线性不可分的XOR逻辑）以及不同树突输入下的乘法性增益调制等复杂动力学特性，因此超越了简单的泄漏累积释放（LIF）模型等所描述的神经元功能，为基于忆阻器动力学的高精度...
北京大学信息科学技术学院微纳电子学系黄如院士、杨玉超研究员在人工双端忆阻神经形态器件领域取得重要进展（图）
北京大学信息科学技术学院微纳电子学系 黄如 院士 杨玉超 研究员 人工突触 神经元 神经网络
2019/9/18
计算机与人脑的架构与工作方式有着巨大的差别。人类大脑由大约860亿个互相连接的神经元组成，虽然单元计算速度远不如基于传统冯•诺依曼架构（信息存储与信息处理在物理上分离）的计算机，但这种复杂的神经网络从某种程度上可以看作是一个存储和计算一体化且高度并行的分布式计算系统，对于复杂数据和多线程任务的处理效率极高，而且功耗很低。科学家们一直努力模拟人类大脑的结构和运算模式，而人工突触和神经元被...
北京大学信息科学技术学院微纳电子学系黄如院士-黄芊芊研究员课题组在超低功耗神经形态器件领域取得重要研究进展
北京大学信息科学技术学院 微纳电子学 黄如 院士 黄芊芊 研究员 超低功耗 神经形态器件
2019/6/21
北京大学信息科学技术学院微纳电子学系、微米/纳米加工技术国家级重点实验室黄如院士-黄芊芊研究员课题组在国际上首次提出利用铁电材料的极化翻转模拟生物神经元的动态行为，提出并制备了一种新型低功耗仿生铁电场效应晶体管（L-FeFET），单个器件即可模拟生物神经元的基本特性，同时提出并实现了基于L-FeFET的新型脉冲神经元，仅需一个晶体管和一个电阻即可实现神经元的基本功能（传统CMOS神经元需至少一个电...
北京大学信息学院黄如院士-杨玉超研究员课题组在超低功耗神经形态器件研究中取得重要进展（图）
北京大学信息学院 黄如 院士 杨玉超 研究员 课题组 超低功耗神经 形态器件 人工突触器件
2018/5/24
近年来，面向高智能、低功耗类脑计算的神经形态器件广受关注。这类器件可具备如同生物突触或神经元的信息处理功能，如人工突触器件具有类似生物突触的连续可调权值，人工神经元器件能够实现类似生物神经元的累积发放特性等，这使得打造新一代类脑计算芯片乃至类脑计算机成为可能。然而，常规人工突触器件仅能够实现连续可调的模拟权值，尚不能逼真、完全模拟生物突触的可塑性和动力学行为，对大脑工作原理的借鉴仍停留在较低程度，...
1982年，Kwabena Boahen得到了他的第一台电脑，那时他还是住在加纳阿克拉的一个十几岁的少年。“那真是一台很酷的机器。”他回忆道。在观察电脑如何工作时，他本能地感觉到，电脑需要在设计中多一些“非洲”的感觉：更加分散、流动性更强和更少的刚性。
如今，作为美国加利福尼亚斯坦福大学的一名生物工程师，Boahen和其他一些研究人员正在试图通过大脑的逆向工程来创造这种计算模式。