脉冲神经网络用于推理和学习：一种基于忆阻器设计的视角
摘要：用于密度和功率效率的度量标准上，神经形态技术在对实时功能，适应性和自主性至关重要的任务中有超越主流计算技术的潜力。虽然神经形态计算中的算法进展取得了成功，但是memristor改进神经形态计算的潜力尚未取得成果，主要原因是memristor经常被用作传统存储器的替代品。然而，基于机器学习理论的跨学科方法表明，多因素可塑性规则通过将神经和突触动力学与设备能力匹配，可以更好地利用memristor动态性和随机性。此外，这种可塑性规则通常显示出比经典的突触时依赖性塑性（STDP）规则更高的性能。本章回顾了带脉冲神经网络模型的学习的最新发展及其可能与基于memristor的硬件实现。
作者：M. E. Fouda, F. Kurdahi, A. Eltawil, E. Neftci
论文ID：1909.01771
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2019-10-09