通用约束引擎：提出一种无需神经网络的神经形态计算新范式
本文介绍了一种名为“通用约束引擎”的技术，旨在不依赖人工神经网络的情况下实现神经形态计算。该项目主张通过约束逻辑与规则编译器，在硬件层面模拟大脑处理信息的机制，试图以逻辑运算替代传统的权重矩阵计算。尽管社区对其是否真正符合“神经形态”定义存...
标签索引
神经形态计算
这个标签下有 3 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
AI 范式变革：从“算法学习”迈向“神经结构产生行为”的物理仿真路径
著名科学家 Alex Wissner-Gross 在 LinkedIn 分享了关于“首个多行为大脑上传”的探讨，提出了一种区别于当前主流深度学习的全新技术路径。该观点不再局限于“算法->学习行为”的传统模式，而是尝试通过“神经结构-&...
逆向破解“湿件”：脉冲神经网络与矩阵数学的终结
本文深入剖析了现代深度学习（依赖矩阵乘法与反向传播）与生物大脑（依赖预测编码与脉冲时序）的根本差异。文章指出，人脑通过“预测误差”和局部的STDP规则学习，而非全局微积分。受限于GPU架构，目前的AI难以高效模拟这种生物机制。作者认为，未来...