خرید و دانلود نسخه کامل کتاب Real-Time Multi-Chip Neural Network for Cognitive Systems

توضیحاتی در مورد کتاب

شبیه‌سازی نورون‌های مغز در زمان واقعی با استفاده از مدل‌های بیوفیزیکی معنادار، پیش‌نیازی برای درک جامع نحوه پردازش اطلاعات و ارتباط نورون‌ها با یکدیگر است که در واقع مکمل آزمایش‌های درون تنی است. در شبکه‌های عصبی spiking (SNN)، اطلاعات منتشر شده نه تنها با سرعت شلیک هر نورون در شبکه، مانند شبکه‌های عصبی مصنوعی (ANN) رمزگذاری می‌شود، بلکه علاوه بر این، با دامنه، الگوهای ترن سنبله و انتقال کدگذاری می‌شود. نرخ. با این حال، سطح بالای واقع گرایی SNN ها و قابلیت های محاسباتی و تحلیلی قابل توجه تر در مقایسه با شبکه های عصبی مصنوعی، اندازه شبکه های تحقق یافته را محدود می کند. در نتیجه، چالش اصلی در ساخت SNNهای پیچیده و دقیق بیوفیزیکی عمدتاً ناشی از نیازهای محاسباتی و انتقال داده بالا است. شبکه عصبی چند تراشه‌ای بلادرنگ برای سیستم‌های شناختی، معماری سیستم SNN چند تراشه‌ای و بلادرنگ جدیدی را ارائه می‌کند که بر اساس ارتباطات محلی، هزینه ارتباط را به طور موثر کاهش می‌دهد تا رشد خطی داشته باشد. این سیستم از محاسبات ممیز شناور مضاعف برای شبیه‌سازی دقیق‌ترین رفتار سلولی از نظر بیولوژیکی استفاده می‌کند و به اندازه کافی انعطاف‌پذیر است تا پیاده‌سازی آسان توپولوژی‌های شبکه عصبی مختلف، طرح‌های ارتباط سلولی، و همچنین مدل‌ها و انواع سلول‌ها را ارائه دهد. این سیستم قابلیت پیکربندی بالا در زمان اجرا را ارائه می دهد که نیاز به سنتز مجدد سیستم را کاهش می دهد. علاوه بر این، شبیه ساز دارای تاخیرهای ارتباطی قابل تنظیم روی و خارج از تراشه و همچنین تاخیرهای محاسبه نورون است. تمام بخش های سیستم به طور خودکار بر اساس طرح اتصال نورون در حال استفاده تولید می شوند. شبیه ساز اجازه کاوش در پیکربندی های مختلف سیستم را می دهد، به عنوان مثال. طرح ارتباط متقابل بین نورون ها، غلظت درون سلولی ترکیبات شیمیایی مختلف (یون)، که بر نحوه شروع و انتشار پتانسیل های عمل تأثیر می گذارد.