ترجمه فارسی مقاله به سوی شبکه های عصبی اسپکینگ در مقیاس بزرگ: یک بررسی جامع و جهت گیری های آینده

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Toward Large-scale Spiking Neural Networks: A Comprehensive Survey and Future Directions
عنوان مقاله به فارسی به سوی شبکه های عصبی اسپکینگ در مقیاس بزرگ: یک بررسی جامع و جهت گیری های آینده
نویسندگان Yangfan Hu, Qian Zheng, Guoqi Li, Huajin Tang, Gang Pan
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 19 August, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 19 اوت 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Deep learning has revolutionized artificial intelligence (AI), achieving remarkable progress in fields such as computer vision, speech recognition, and natural language processing. Moreover, the recent success of large language models (LLMs) has fueled a surge in research on large-scale neural networks. However, the escalating demand for computing resources and energy consumption has prompted the search for energy-efficient alternatives. Inspired by the human brain, spiking neural networks (SNNs) promise energy-efficient computation with event-driven spikes. To provide future directions toward building energy-efficient large SNN models, we present a survey of existing methods for developing deep spiking neural networks, with a focus on emerging Spiking Transformers. Our main contributions are as follows: (1) an overview of learning methods for deep spiking neural networks, categorized by ANN-to-SNN conversion and direct training with surrogate gradients; (2) an overview of network architectures for deep spiking neural networks, categorized by deep convolutional neural networks (DCNNs) and Transformer architecture; and (3) a comprehensive comparison of state-of-the-art deep SNNs with a focus on emerging Spiking Transformers. We then further discuss and outline future directions toward large-scale SNNs.

چکیده به فارسی (ترجمه ماشینی)

یادگیری عمیق باعث تحول در هوش مصنوعی (AI) شده است و به پیشرفت چشمگیر در زمینه هایی مانند دید رایانه ای ، تشخیص گفتار و پردازش زبان طبیعی رسیده است.علاوه بر این ، موفقیت اخیر مدل های بزرگ زبان (LLMS) باعث افزایش تحقیقات در مورد شبکه های عصبی در مقیاس بزرگ شده است.با این حال ، تقاضای تشدید کننده برای منابع محاسباتی و مصرف انرژی باعث شده است که جستجوی گزینه های کارآمد با انرژی باشد.با الهام از مغز انسان ، شبکه های عصبی سنبله (SNN) وعده های محاسباتی با انرژی را با سنبله های رویداد محور می دهند.برای ارائه مسیرهای آینده در جهت ساخت مدلهای بزرگ SNN با کارآیی انرژی ، ما یک نظرسنجی از روشهای موجود برای توسعه شبکه های عصبی عمیق ، با تمرکز بر ترانسفورماتورهای در حال ظهور ارائه می دهیم.مشارکتهای اصلی ما به شرح زیر است: (1) مروری بر روشهای یادگیری برای شبکه های عصبی عمیق ، طبقه بندی شده توسط تبدیل ANN-به SNN و آموزش مستقیم با شیب های جانشین.(2) مروری بر معماری های شبکه برای شبکه های عصبی عمیق ، طبقه بندی شده توسط شبکه های عصبی عمیق (DCNN) و معماری ترانسفورماتور.و (3) مقایسه جامع SNN های عمیق و عمیق با تمرکز بر ترانسفورماتورهای در حال ظهور.سپس ما بیشتر در مورد مسیرهای آینده به سمت SNN های در مقیاس بزرگ بحث و تشریح می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.