《高能效類腦智能 算法與體系架構(gòu)》讀書筆記思維導(dǎo)圖

《高能效類腦智能算法與體系架構(gòu)》最新版讀書筆記，下載可以直接修改思維導(dǎo)圖PPT模板神經(jīng)網(wǎng)絡(luò)脈沖學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)硬件參考文獻(xiàn)加速器案例方法第章深度專用數(shù)字總結(jié)概述規(guī)劃設(shè)計模擬動態(tài)本書關(guān)鍵字分析思維導(dǎo)圖01致謝第2章人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)與學(xué)習(xí)第4章脈沖神經(jīng)網(wǎng)絡(luò)的工作原理與學(xué)習(xí)第1章概述第3章硬件中的人工神經(jīng)網(wǎng)絡(luò)第5章脈沖神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn)目錄030502040607第6章總結(jié)術(shù)語表附錄目錄0908內(nèi)容摘要本書從對神經(jīng)網(wǎng)絡(luò)的概述開始，討論基于速率的人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用和訓(xùn)練，介紹實現(xiàn)神經(jīng)網(wǎng)絡(luò)的多種方法，如從通用處理器到專用硬件，從數(shù)字加速器到模擬加速器。接下來展示了一個為神經(jīng)網(wǎng)絡(luò)的自適應(yīng)動態(tài)規(guī)劃而建立的高能效加速器，然后是脈沖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)概念和流行的學(xué)習(xí)算法，以及脈沖神經(jīng)網(wǎng)絡(luò)硬件概述。本書還為讀者介紹了三個實現(xiàn)書中學(xué)習(xí)算法的設(shè)計案例（兩個基于傳統(tǒng)CMOS工藝，一個基于新興的納米工藝），最后對神經(jīng)網(wǎng)絡(luò)硬件進(jìn)行總結(jié)與展望。致謝第1章概述1.1神經(jīng)網(wǎng)絡(luò)的歷史1.2軟件中的神經(jīng)網(wǎng)絡(luò)1.3神經(jīng)形態(tài)硬件的需求1.4本書的目標(biāo)和大綱參考文獻(xiàn)12345第1章概述1.2.2脈沖神經(jīng)網(wǎng)絡(luò)1.2.1人工神經(jīng)網(wǎng)絡(luò)1.2軟件中的神經(jīng)網(wǎng)絡(luò)第2章人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)與學(xué)習(xí)2.1人工神經(jīng)網(wǎng)絡(luò)的工作原理2.2基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)2.3網(wǎng)絡(luò)拓?fù)?.4數(shù)據(jù)集和基準(zhǔn)2.5深度學(xué)習(xí)參考文獻(xiàn)010302040506第2章人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)與學(xué)習(xí)2.1.2學(xué)習(xí)2.1.1推理2.1人工神經(jīng)網(wǎng)絡(luò)的工作原理2.2.1監(jiān)督學(xué)習(xí)2.2.2強(qiáng)化學(xué)習(xí)2.2.3無監(jiān)督學(xué)習(xí)2.2.4案例研究：基于動作的啟發(fā)式動...2.2基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)2.3.1全連接神經(jīng)網(wǎng)絡(luò)2.3.3循環(huán)神經(jīng)網(wǎng)絡(luò)2.3.2卷積神經(jīng)網(wǎng)絡(luò)2.3網(wǎng)絡(luò)拓?fù)?.5.1前深度學(xué)習(xí)時代2.5.2深度學(xué)習(xí)的崛起2.5.3深度學(xué)習(xí)技術(shù)2.5.4深度神經(jīng)網(wǎng)絡(luò)示例2.5深度學(xué)習(xí)第3章硬件中的人工神經(jīng)網(wǎng)絡(luò)3.1概述3.2通用處理器3.3數(shù)字加速器3.4模擬/混合信號加速器3.5案例研究：一種節(jié)能的自適應(yīng)動態(tài)規(guī)...參考文獻(xiàn)010302040506第3章硬件中的人工神經(jīng)網(wǎng)絡(luò)3.3.2FPGA加速器3.3.1數(shù)字ASIC實現(xiàn)方法3.3數(shù)字加速器3.4.1傳統(tǒng)集成技術(shù)中的神經(jīng)網(wǎng)絡(luò)3.4.3光學(xué)加速器3.4.2基于新興非易失性存儲器的神經(jīng)...3.4模擬/混合信號加速器3.5.2設(shè)計示例3.5.1硬件架構(gòu)3.5案例研究：一種節(jié)能的自適應(yīng)動態(tài)規(guī)...第4章脈沖神經(jīng)網(wǎng)絡(luò)的工作原理與學(xué)習(xí)4.1脈沖神經(jīng)網(wǎng)絡(luò)4.2淺層SNN的學(xué)習(xí)4.3深度SNN學(xué)習(xí)參考文獻(xiàn)第4章脈沖神經(jīng)網(wǎng)絡(luò)的工作原理與學(xué)習(xí)4.1.1常見的脈沖神經(jīng)元模型4.1.3脈沖神經(jīng)元與非脈沖神經(jīng)元的比...4.1.2信息編碼4.1脈沖神經(jīng)網(wǎng)絡(luò)4.2.1ReSuMe4.2.2Tempotron4.2.3脈沖時間相關(guān)可塑性4.2.4雙層神經(jīng)網(wǎng)絡(luò)中通過調(diào)制權(quán)重依...4.2淺層SNN的學(xué)習(xí)4.3.1SpikeProp4.3.2淺層網(wǎng)絡(luò)棧4.3.3ANN的轉(zhuǎn)換4.3.4深度SNN反向傳播的研究進(jìn)展4.3.5在多層神經(jīng)網(wǎng)絡(luò)中通過調(diào)制權(quán)重...123454.3深度SNN學(xué)習(xí)第5章脈沖神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn)5.1對專用硬件的需求5.2數(shù)字脈沖神經(jīng)網(wǎng)絡(luò)5.3模擬/混合信號脈沖神經(jīng)網(wǎng)絡(luò)參考文獻(xiàn)第5章脈沖神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn)5.1.1地址事件表示5.1.2事件驅(qū)動計算5.1.3漸進(jìn)精度推理5.1.4實現(xiàn)權(quán)重依賴的STDP學(xué)習(xí)規(guī)...5.1對專用硬件的需求5.2.1大規(guī)模脈沖神經(jīng)網(wǎng)絡(luò)專用集成電...5.2.2中小型數(shù)字脈沖神經(jīng)網(wǎng)絡(luò)5.2.3脈沖神經(jīng)網(wǎng)絡(luò)中的硬件友好型強(qiáng)...5.2.4多層脈沖神經(jīng)網(wǎng)絡(luò)中的硬件友好...5.2數(shù)字脈沖神經(jīng)網(wǎng)絡(luò)5.3.1基本構(gòu)建塊5.3.2大規(guī)模模擬/混合信號CMOS...5.3.3其他模擬/混合信號CMOS脈...5.3.4基于新興納米技術(shù)的脈沖神經(jīng)網(wǎng)...5.3.5案例研究：脈沖神經(jīng)網(wǎng)絡(luò)中基于...123455.3模擬/混合信號脈沖神經(jīng)網(wǎng)絡(luò)第6章總結(jié)6.1展望參考文獻(xiàn)6.2結(jié)