关于脉冲神经网络基础及其最新进展的综述

《IEEE Access》:A Survey on Spiking Neural Network Foundation And Recent Progress

【字体: 大 中 小 】 时间:2026年04月22日 来源:IEEE Access 3.6

编辑推荐:

   摘要:在过去的十年中,深度神经网络(DNNs)在众多领域取得了显著的成功。尽管取得了这些进展,但DNNs在计算能力、能源消耗和数据需求方面仍然具有很高的要求。随着对自动驾驶汽车、无人机和协作机器人等自主系统的需求持续增长,将这些DNNs部署到实际场景中引起了广泛关注。然而,这些

  

摘要:

在过去的十年中,深度神经网络(DNNs)在众多领域取得了显著的成功。尽管取得了这些进展,但DNNs在计算能力、能源消耗和数据需求方面仍然具有很高的要求。随着对自动驾驶汽车、无人机和协作机器人等自主系统的需求持续增长,将这些DNNs部署到实际场景中引起了广泛关注。然而,这些应用需要能耗低且计算负担轻的模型,以确保在有限的资源条件下实现实时性能。一种有前景的替代方案是生物启发式的脉冲神经网络(SNNs),它们提供了一种更节能且具有时间动态特性的计算范式。通过模仿生物神经元的行为,SNNs在神经科学和机器学习之间架起了一座桥梁,利用了生物系统中固有的神经稀疏性和时间编码机制。在这项工作中,我们做出了以下贡献:提供了生物神经元理论的全面概述;总结了来自神经科学的现有基于脉冲的神经元模型;描述了突触建模方法;回顾了传统的人工神经网络;概述了几种用于基于脉冲的模型的预处理、训练和转换方法;探讨了SNN在各个领域的应用;讨论了支持SNN实现的主要框架。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号