Neuromorphe Technik: Die Praxis, elektrische analoge Schaltungssysteme zu verwenden, um neurobiologische Strukturen zu imitieren, die im Nervensystem vorhanden sind

Was ist Neuromorphic Engineering?

Neuromorphic Computing und Neuromorphic Engineering sind beide Begriffe, die sich auf dasselbe beziehen: die Verwendung von Very-Large-Scale-Integration-Systemen (VLSI). Integrieren Sie elektrische analoge Schaltungen, um neurobiologische Strukturen zu simulieren, die im Nervensystem zu finden sind. Jedes elektronische Gerät, das Berechnungen mit Hilfe von künstlichen Neuronen durchführt, die als physische Strukturen implementiert sind, wird als neuromorpher Computer oder Chip bezeichnet. In letzter Zeit wurde das Wort "neuromorph" verwendet, um sich auf analoge, digitale, analoge/digitale Mischmodus-VLSI- und Softwaresysteme zu beziehen, die Modelle von Gehirnsystemen verkörpern. Diese Verwendung des Begriffs ist häufiger geworden. Um die Implementierung des neuromorphen Rechnens auf Hardwareebene zu verwirklichen, sind Memristoren auf Oxidbasis, spintronische Speicher, Schwellenwertschalter und Transistoren einige der Komponenten, die verwendet werden können. Das Training softwarebasierter neuromorpher Systeme von spikenden neuronalen Netzen kann durch die Verwendung von Fehler-Backpropagation erreicht werden, beispielsweise durch die Verwendung von Python-basierten Frameworks wie snnTorch, oder durch die Verwendung kanonischer Lernregeln aus der biologischen Lernliteratur, beispielsweise durch die Verwendung von BindsNet.

Wie Sie davon profitieren

(I) Einblicke und Validierungen zu den folgenden Themen:

Kapitel 1: Neuromorphic Engineering

Kapitel 2: Künstliches Neuron

Kapitel 3: Bio-inspiriertes Computing

Kapitel 4: Steve Furber

Kapitel 5: Carver Mead

Kapitel 6: Rekurrentes neurales Netzwerk

Kapitel 7: Neurales Netzwerk

Kapitel 8: Wetware-Computer

Kapitel 9 : Computational Neurogenetic Modeling

Kapitel 10: Spiking Neural Network

Kapitel 11: Neurorobotik

Kapitel 12: Misha Mahowald

Kapitel 13: Memristor

Kapitel 14: Physikalisches neuronales Netzwerk

Kapitel 15: NEIN MFET

Kapitel 16: Massimiliano Versace

Kapitel 17: Kwabena Boahen

Kapitel 18: SpiNNaker

Kapitel 19: Kognitiver Computer

Kapitel 20: Glossar der künstlichen Intelligenz

Kapitel 21: Hai Li

(II) Beantwortung der öffentlichen Top-Fragen zum Thema Neuromorphic Engineering.

(III) Beispiele aus der Praxis für den Einsatz von Neuromorphic Engineering in vielen Bereichen.

(IV) 17 Anhänge, um kurz 266 neue Technologien in jeder Branche zu erklären, um ein umfassendes 360-Grad-Verständnis von Neuromorphic Engineering zu erhalten. Technologien.

An wen richtet sich dieses Buch?

Profis, Studenten und Doktoranden, Enthusiasten, Bastler und diejenigen, die über grundlegende Kenntnisse oder Informationen hinausgehen möchten für jede Art von neuromorphem Engineering.