.png){kind=icon}
返回
Artificial sparse neuron dendrites for visual information inference
.png){kind=icon}
OA
AI
DOI：10.1126/sciadv.aec9948.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在人脑中，树突展现出非线性整合和稀疏并行处理能力，能够通过整合少量神经元信号有效执行视觉任务，并在高层次信息推理中发挥关键作用。然而，传统神经形态器件常忽略这些重要特性，要求所有神经元感知完整信息。这使得难以有效复制生物神经元树突的时空处理能力。本研究提出一种整合神经元、突触和树突的人工神经元树突阵列，模拟生物树突的时空脉冲整合特性以实现精确并行计算。通过多栅阈值调节，该阵列可支持随机空间分布的并行稀疏脉冲推理。此推理过程形成稀疏树突脉冲神经网络（SD-SNN），能够执行压缩、深度检测和预测。结果，SD-SNN在仅使用0.5%神经元活动的情况下，实现静态和动态对象的高效处理，分别将功耗降低98%和65%。本研究将感知过程中的神经元活动降低99.5%，同时增强时空计算能力和计算效率。
期刊
IF:
12.5
论文数:
2.1W
被引数:
18.1W
机构
引用论文
Neuromorphic dendritic network computation with silent synapses for visual motion perception.png)
NATURE ELECTRONICS
NATURE ELECTRONICSIF40.9
PREAI
分享收藏An Ion-Mediated Spiking Chemical Neuron based on Mott Memristor基于Mott忆阻器的离子介导Spiking化学神经元ADVANCED MATERIALS
ADVANCED MATERIALSIF26.8
PREAI
分享收藏分享收藏DenRAM: neuromorphic dendritic architecture with RRAM for efficient temporal processing with delaysNATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏分享收藏分享收藏
查看更多内容