ETH神经形态工程1（NE1） 由TobiDelbrück，刘时智和Giacomo Indiveri教授的ETH INI课程神经形态工程1（NE1）的摘要。 神经形态电路受生物神经元和神经网络的结构，功能和可塑性的启发。 它们的计算原语基于半导体器件的物理学。 神经形态架构通常依赖于并行网络中的集体计算。 适应，学习和记忆是在各个计算元素内本地实现的。 晶体管通常以弱反相（低于阈值）工作，它们表现出指数IV特性和低电流。 这些属性导致在其他范例中计算密集型功能的高密度，低功耗实现的可行性。 神经形态电路的高度并行性和连通性允许具有大量反馈的结构，而无需迭代方法和收敛问题，并且无需处理高维信号（例如视觉）的实时处理网络。 神经形态电路的应用领域包括硅视网膜和耳蜗，生物神经元网络的实时仿真以及自主机器人系统的发展。 本课程涵盖CMOS技术的器件（阈值以下的MOS晶体管，浮栅MOS晶体管，光

文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 C 语言，作为编程界的常青树，凭借高效性能与底层操控能力，成为系统软件、嵌入式开发的核心语言。其简洁语法与强大扩展性，不仅是程序员入门的不二之选，更为操作系统、游戏引擎等奠定技术基石，历经数十年依然在计算机技术领域占据不可撼动的地位。

文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿用作商业用途。 C 语言，作为编程界的常青树，凭借高效性能与底层操控能力，成为系统软件、嵌入式开发的核心语言。其简洁语法与强大扩展性，不仅是程序员入门的不二之选，更为操作系统、游戏引擎等奠定技术基石，历经数十年依然在计算机技术领域占据不可撼动的地位。

目前随着人工智能领域的兴起以及人们对数据存储和计算的强烈需求，迫切需要存储器的改进和类似于人脑的高效存储运算效率。所以，相变存储器及其用于神经形态计算的研究是极具价值的。相变存储材料(PCMs)受到激发时所产生的电阻值变化可以用来建立尖峰神经网络从而实现模拟神经形态计算系统。本文介绍了相变存储器物理机制，其中包括相变材料的相变原理及主要性能特征，重点叙述了相变存储器在优化存储与计算方向的研究进展和应用，进而为该领域未来的发展方向提供参考。

脉冲神经网络是目前最具有生物解释性的人工神经网络,是类脑智能领域的核心组成部分.首先介绍各类常用的脉冲神经元模型以及前馈和循环型脉冲神经网络结构;然后介绍脉冲神经网络的时间编码方式,在此基础上,系统地介绍脉冲神经网络的学习算法,包括无监督学习和监督学习算法,其中监督学习算法按照梯度下降算法、结合STDP规则的算法和基于脉冲序列卷积核的算法3大类别分别展开详细介绍和总结;接着列举脉冲神经网络在控制领域、模式识别领域和类脑智能研究领域的应用,并在此基础上介绍各国脑计划中,脉冲神经网络与神经形态处理器相结合的案例;最后分析脉冲神经网络目前所存在的困难和挑战.

长短期记忆LSTM神经形态芯片设计的两步映射方法.pdf

Neuromorphic-Caltech101（N-Caltech101）数据集是原始基于帧的Caltech101数据集的加标版本。原始数据集包含“Faces”和“Faces Easy”两个类，每个类都由相同图像的不同版本组成。为了避免混淆，“Faces”类已经从N-Caltech101中删除，只剩下100个对象类和一个后台类。N-Caltech101数据集是通过将ATIS传感器安装在电动云台上，并在LCD监视器上查看Caltech101示例时移动传感器来捕获的，如下面的视频所示。关于数据集的完整描述:https://www.garrickorchard.com/datasets/n-caltech101

脉冲神经网络、神经形态芯片

神经形态认知