神经形态Computing-Convergence神经科学和电子产品

物联网和大数据时代的到来推动了全球试图修补冯诺依曼计算机体系结构,管理数据密集型应用,如图像和自然语言处理更多的能量和时间经济的方法。哺乳动物的大脑自然成为黄金参考由于它能够处理复杂的数据进行实时的一小部分能量消耗现有的电脑。神经形态计算,众所周知,是一个新的范例,旨在实现电子硬件平台,模拟生物神经网络的功能。由材料科学的进步和电子设备工程,近年来特殊空心砌块设备进展和算法可以为第二次电子革命成熟的神经形态计算机。

已经有许多优秀的局部神经形态计算量。因此,为什么另一个?我们的目标是双重的。首先,和其他人一样,它是一个更新的评论文章的集合,这是必要的因为非常快速发展。第二个目标是相关的方法,最流行的是人工神经网络受假设皮质系统学习真实的信息。一般的想法是,这样的系统将开始非功能性和学习是通过反复训练试验帮助形成信息流通过建立突触连接和存储。但这事情应该和大数据时代的挑战是什么?应该提到non-cortical物种还拥有特殊的生存技能后不久他们存在,指着面前的专业,预排程序的神经电路已经进化了很多代人。因此,除了工程和计算机科学这个领域的进展,从神经科学家在大脑皮层和non-cortical功能非常不错,可能引导开发专门的算法和人工神经设备/电路。毕竟,神经形态是电子的收敛,计算科学和神经科学。

范围包括但不限于以下:
-深入皮质/ non-cortical功能
——人工神经元和突触飙升
——强化神经网络
——数据——或者事件驱动方法
——时空信号的方法进行分析
——retinomorphic机器视觉

文章的类型包括审查论文,通信/原始研究论文和观点