蓋世汽車訊 我們都想要一個具有超強記憶力、超高運算力和聰明才智的大腦，但如何設(shè)計這樣的大腦呢？真正的大腦由約800億個神經(jīng)元組成，這些神經(jīng)元通過數(shù)以萬計的突觸形式的連接相互協(xié)調(diào)，但人腦沒有像標(biāo)準(zhǔn)筆記本電腦那樣的中央處理器。

相反，許多計算是并行運行的，并且會比較結(jié)果。雖然人腦的運行原理還沒有完全理解，但使用現(xiàn)有的數(shù)學(xué)算法可以將深度學(xué)習(xí)原理改造成更像人腦的系統(tǒng)。這種受大腦啟發(fā)的計算范式——尖峰神經(jīng)網(wǎng)絡(luò)（SNN）——提供了一種計算架構(gòu)，與使用光學(xué)和電子元件的系統(tǒng)的潛在優(yōu)勢非常吻合。

在SNN中，信息以尖峰或動作電位的形式處理，即真實神經(jīng)元放電時發(fā)生的電脈沖。這兩種形式的一個關(guān)鍵特性是使用異步處理，這意味著尖峰在出現(xiàn)時會被及時處理，而不是像傳統(tǒng)神經(jīng)網(wǎng)絡(luò)那樣被批量處理。因此SNN能夠?qū)ζ漭斎氲淖兓龀隹焖俜磻?yīng)，并比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)更有效地執(zhí)行某些類型的計算。

SNN還能夠?qū)崿F(xiàn)在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中難以或不可能實現(xiàn)的某些類型的神經(jīng)計算，例如時間處理和脈沖時間依賴可塑性（STDP），其中STDP是赫布型學(xué)習(xí)（Hebbian learning）的一種形式，允許神經(jīng)元根據(jù)尖峰脈沖的時間改變突觸連接。（赫布學(xué)習(xí)被概括為“一起放電的神經(jīng)元連接在一起”，適用于模擬大腦學(xué)習(xí)能力可塑性的數(shù)學(xué)）。

返回第一電動網(wǎng)首頁 >