14020199044劉發強

牽牛導讀

神經形態芯片對于神經網絡的模擬，訓練難度相對于軟件神經網絡大（基于反向傳播的訓練算法并不符合人腦特點）、可配置性低，但它的并行性好、可以模擬人腦對信息的時空多尺度處理特點，對于揭示人腦信息處理機制及低功耗實時應用潛力巨大。因此，將兩者結合，取長補短具有一定的意義。一種通用的、完整的從神經網絡模型到高可配置神經形態芯片參數映射的方法在正文中被介紹。

嵌牛鼻子

神經形態計算；FACETS；Wafer-Scale；軟件模型；pyNN；計算神經科學；

嵌牛提問

神經形態芯片上的神經元和突觸單元在二維的平面上，是不是限制了全局的連通性？神經元的信息傳輸編碼不同于當前的數字通信，類似于數字計算機網絡的通信實現是不是不能很好模擬人腦特點？

嵌牛正文

論文PDF鏈接

BrainScaleS system and workflow :https://arxiv.org/abs/1011.2861