专栏首页arxiv.org翻译专栏介绍“神经形态计算与工程”(CS)

介绍“神经形态计算与工程”(CS)

计算的标准本质目前正受到一系列开始阻碍技术进步的问题的挑战。为了解决这些问题,人们提出的策略之一是开发新的大脑灵感处理方法和技术,并将其应用于广泛的应用场景。这是一项极具挑战性的工作,需要多个学科的研究人员结合他们的努力,同时共同设计处理方法、支持的计算体系结构及其底层技术。“神经形态计算与工程”(NCE)杂志已经启动,以支持这一努力中的新社区,并为展示和讨论其最新进展提供一个论坛和存储库。通过与编辑团队的密切合作,NCE的范围和特点旨在确保它服务于不断增长的跨学科和充满活力的学术界和工业界社区。

原文题目:Introducing "Neuromorphic Computing and Engineering"

原文:The standard nature of computing is currently being challenged by a range of problems that start to hinder technological progress. One of the strategies being proposed to address some of these problems is to develop novel brain-inspired processing methods and technologies, and apply them to a wide range of application scenarios. This is an extremely challenging endeavor that requires researchers in multiple disciplines to combine their efforts and co-design at the same time the processing methods, the supporting computing architectures, and their underlying technologies. The journal ``Neuromorphic Computing and Engineering'' (NCE) has been launched to support this new community in this effort and provide a forum and repository for presenting and discussing its latest advances. Through close collaboration with our colleagues on the editorial team, the scope and characteristics of NCE have been designed to ensure it serves a growing transdisciplinary and dynamic community across academia and industry.

原文链接:https://arxiv.org/abs/2106.01329

原文作者:Giacomo Indiveri

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 欧盟专家介绍神经形态计算技术发展概况

    2016年8月,欧盟人脑计划(HBP)项目负责人KarlheinzMeier教授在高性能计算机技术国际会议“ISC 2016”上介绍了神经形态计算的发展概况,如...

    人工智能快报
  • CNCC最火论坛干货:神经形态芯片与神经形态计算机

    以深度学习为代表的人工神经网络是机器学习最重要的方法之一,在云端和终端都有非常广泛的应用。然而传统的CPU和GPU芯片在进行神经网络处理时遇到了严重的性能和能耗...

    新智元
  • 神经网络图的简介(基本概念,DeepWalk以及GraphSage算法)

    近来,图神经网络(GNN)在各个领域广受关注,比如社交网络,知识图谱,推荐系统以及生命科学。GNN在对图节点之间依赖关系进行建模的强大功能使得与图分析相关的研究...

    AI研习社
  • Jeff Dean 演讲直播:自主机器学习成为谷歌大脑最新研究热点(PPT)

    【新智元导读】谷歌大脑负责人 Jeff Dean 今天上午在 UCSB 做了题为《通过大规模深度学习构建智能系统》的演讲。新智元结合 UCSB CS 在 Twi...

    新智元
  • 斯坦福经典AI课程CS 221官方笔记来了!机器学习模型、贝叶斯网络等重点速查

    斯坦福大学的人工智能课程“CS 221”,这门铁打的课程从2011年开始已经走过了8个年头,流水的讲师换了一批又一批,送走的毕业生一拨又一拨,至今仍然是人工智能...

    zenRRan
  • 学霸双胞胎开源斯坦福CS 221人工智能备忘录,图文并茂看懂反射、状态、变量、逻辑

    这份备忘录解释了课程中的许多名词、公式和原理,动图、文字、表格并茂,作者之一还是官方助教,堪称CS 221最佳学习笔记。

    磐创AI
  • 用纯NumPy码一个RNN、LSTM:这是最好的入门方式了

    一般使用纯 NumPy 实现深度网络会面临两大问题,首先对于前向传播,卷积和循环网络并不如全连接网络那样可以直观地实现。为了计算性能,实践代码与理论之间也有差别...

    机器之心
  • DeepMind论文:深度压缩感知,新框架提升GAN性能(附链接)

    CS具有灵活性和数据效率高的优点,但由于其稀疏性和昂贵的重建过程,CS的应用受到限制。

    数据派THU
  • UC伯克利最新深度学习课程上线,强化学习大牛Sergey Levine授课(B站可看)

    近日,深度学习课程 CS182 已发布所有视频课程(截至目前),课程讲师是来自加州大学伯克利分校电气工程与计算机科学系的助理教授 Sergey Levine 。

    机器之心

扫码关注云+社区

领取腾讯云代金券