Andere Kunden interessierten sich auch für
Qu'est-ce que l'ingénierie neuromorphique
L'informatique neuromorphique et l'ingénierie neuromorphique sont deux termes qui font référence à la même chose : l'utilisation de systèmes d'intégration à très grande échelle (VLSI) qui incorporent des circuits électriques analogiques pour simuler les structures neurobiologiques que l'on trouve dans le système nerveux. Tout appareil électronique qui effectue des calculs à l'aide de neurones artificiels mis en œuvre en tant que structures physiques est appelé ordinateur ou puce neuromorphique. Récemment, le mot "neuromorphe" a été utilisé pour désigner des VLSI analogiques, numériques, analogiques/numériques en mode mixte et des systèmes logiciels qui incarnent des modèles de systèmes cérébraux. Cette utilisation du terme est devenue plus courante. Pour actualiser la mise en œuvre de l'informatique neuromorphique au niveau matériel, les memristors à base d'oxyde, la mémoire spintronique, les commutateurs de seuil et les transistors sont quelques-uns des composants qui peuvent être utilisés. La formation de systèmes neuromorphiques basés sur des logiciels de réseaux de neurones à pointes peut être réalisée grâce à l'utilisation de la rétropropagation d'erreurs, par exemple grâce à l'utilisation de cadres basés sur Python comme snnTorch, ou grâce à l'utilisation de règles d'apprentissage canoniques de la littérature sur l'apprentissage biologique, par exemple via l'utilisation de BindsNet.
Comment vous en bénéficierez
(I) Insights et validations sur les sujets suivants :
Chapitre 1 : Ingénierie neuromorphique
Chapitre 2 : Neurone artificiel
Chapitre 3 : Informatique bio-inspirée
Chapitre 4 : Steve Furber
Chapitre 5 : Carver Mead
Chapitre 6 : Réseau de neurones récurrent
Chapitre 7 : Réseau de neurones
Chapitre 8 : Ordinateur Wetware
Chapitre 9 : Modélisation neurogénétique computationnelle
Chapitre 10 : Réseau de neurones à pic
Chapitre 11 : Neurorobotique
Chapitre 12 : Misha Mahowald
Chapitre 13 : Memristor
Chapitre 14 : Réseau de neurones physiques
Chapitre 15 : NON MFET
Chapitre 16 : Massimiliano Versace
Chapitre 17 : Kwabena Boahen
Chapitre 18 : SpiNNaker
Chapitre 19 : Ordinateur cognitif
Chapitre 20 : Glossaire de l'intelligence artificielle
Chapitre 21 : Hai Li
(II) Répondre aux principales questions du public sur l'ingénierie neuromorphique.
(III) Exemples concrets d'utilisation de l'ingénierie neuromorphique dans de nombreux domaines.
(IV) 17 annexes pour expliquer brièvement 266 technologies émergentes dans chaque industrie afin d'avoir une compréhension complète à 360 degrés de l'ingénierie neuromorphique" technologies.
À qui s'adresse ce livre
Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type d'ingénierie neuromorphique.
L'informatique neuromorphique et l'ingénierie neuromorphique sont deux termes qui font référence à la même chose : l'utilisation de systèmes d'intégration à très grande échelle (VLSI) qui incorporent des circuits électriques analogiques pour simuler les structures neurobiologiques que l'on trouve dans le système nerveux. Tout appareil électronique qui effectue des calculs à l'aide de neurones artificiels mis en œuvre en tant que structures physiques est appelé ordinateur ou puce neuromorphique. Récemment, le mot "neuromorphe" a été utilisé pour désigner des VLSI analogiques, numériques, analogiques/numériques en mode mixte et des systèmes logiciels qui incarnent des modèles de systèmes cérébraux. Cette utilisation du terme est devenue plus courante. Pour actualiser la mise en œuvre de l'informatique neuromorphique au niveau matériel, les memristors à base d'oxyde, la mémoire spintronique, les commutateurs de seuil et les transistors sont quelques-uns des composants qui peuvent être utilisés. La formation de systèmes neuromorphiques basés sur des logiciels de réseaux de neurones à pointes peut être réalisée grâce à l'utilisation de la rétropropagation d'erreurs, par exemple grâce à l'utilisation de cadres basés sur Python comme snnTorch, ou grâce à l'utilisation de règles d'apprentissage canoniques de la littérature sur l'apprentissage biologique, par exemple via l'utilisation de BindsNet.
Comment vous en bénéficierez
(I) Insights et validations sur les sujets suivants :
Chapitre 1 : Ingénierie neuromorphique
Chapitre 2 : Neurone artificiel
Chapitre 3 : Informatique bio-inspirée
Chapitre 4 : Steve Furber
Chapitre 5 : Carver Mead
Chapitre 6 : Réseau de neurones récurrent
Chapitre 7 : Réseau de neurones
Chapitre 8 : Ordinateur Wetware
Chapitre 9 : Modélisation neurogénétique computationnelle
Chapitre 10 : Réseau de neurones à pic
Chapitre 11 : Neurorobotique
Chapitre 12 : Misha Mahowald
Chapitre 13 : Memristor
Chapitre 14 : Réseau de neurones physiques
Chapitre 15 : NON MFET
Chapitre 16 : Massimiliano Versace
Chapitre 17 : Kwabena Boahen
Chapitre 18 : SpiNNaker
Chapitre 19 : Ordinateur cognitif
Chapitre 20 : Glossaire de l'intelligence artificielle
Chapitre 21 : Hai Li
(II) Répondre aux principales questions du public sur l'ingénierie neuromorphique.
(III) Exemples concrets d'utilisation de l'ingénierie neuromorphique dans de nombreux domaines.
(IV) 17 annexes pour expliquer brièvement 266 technologies émergentes dans chaque industrie afin d'avoir une compréhension complète à 360 degrés de l'ingénierie neuromorphique" technologies.
À qui s'adresse ce livre
Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type d'ingénierie neuromorphique.