文献类型：期刊文章

作　　者：胡一凡[1] 李国齐[1] 吴郁杰[1] 邓磊[2]

HU Yi-fan;LI Guo-qi;WU Yu-jie;DENG Lei(Center for Brain-Inspired Computing Research,Tsinghua University,Beijing 100084,China;Department of Electrical and Computer Engineering,University of California,Santa Barbara,CA 93106,USA)

机构地区：[1]清华大学类脑计算研究中心,北京100084 [2]加州大学圣塔芭芭拉分校电子与计算机工程系,美国CA 93106

出　　处：《控制与决策》

基　　金：科技部重点研发项目(2018YEF0200200,2018AAA0102600);国家自然科学基金项目(61876215,61836004);清华大学国强研究院支持项目;广州市重点研发计划项目(20200703006).

年　　份：2021

卷　　号：36

期　　号：1

起止页码：1-26

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：近年来,起源于计算神经科学的脉冲神经网络因其具有丰富的时空动力学特征、多样的编码机制、契合硬件的事件驱动特性等优势,在神经形态工程和类脑计算领域已得到广泛的关注.脉冲神经网络与当前计算机科学导向的以深度卷积网络为代表的人工神经网络的交叉融合被认为是发展人工通用智能的有力途径.对此,回顾了脉冲神经网络的发展历程,将其划分为神经元模型、训练算法、编程框架、数据集以及硬件芯片等5个重点方向,全方位介绍脉冲神经网络的最新进展和内涵,讨论并分析了脉冲神经网络领域各个重点方向的发展机遇和挑战.希望本综述能够吸引不同学科的研究者,通过跨学科的思想交流与合作研究,推动脉冲神经网络领域的发展.

关 键 词：脉冲神经网络 神经网络 类脑计算  神经形态计算  深度学习  人工通用智能  

分 类 号：TP301.6]