ترجمه فارسی مقاله پیشرفت‌های پژوهشی و الگوهای جدید برای شبکه‌های عصبی Spiking با الهام از زیست‌شناسی

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 Research Advances and New Paradigms for Biology-inspired Spiking Neural Networks
عنوان مقاله به فارسی پیشرفت‌های پژوهشی و الگوهای جدید برای شبکه‌های عصبی Spiking با الهام از زیست‌شناسی
نویسندگان Tianyu Zheng, Liyuan Han, Tielin Zhang
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Neural and Evolutionary Computing,محاسبات عصبی و تکاملی ,
توضیحات Submitted 28 August, 2024; v1 submitted 25 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده 28 اوت 2024 ؛V1 ارسال شده 25 اوت 2024 ؛در ابتدا اوت 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

Spiking neural networks (SNNs) are gaining popularity in the computational simulation and artificial intelligence fields owing to their biological plausibility and computational efficiency. This paper explores the historical development of SNN and concludes that these two fields are intersecting and merging rapidly. Following the successful application of Dynamic Vision Sensors (DVS) and Dynamic Audio Sensors (DAS), SNNs have found some proper paradigms, such as continuous visual signal tracking, automatic speech recognition, and reinforcement learning for continuous control, that have extensively supported their key features, including spike encoding, neuronal heterogeneity, specific functional circuits, and multiscale plasticity. Compared to these real-world paradigms, the brain contains a spiking version of the biology-world paradigm, which exhibits a similar level of complexity and is usually considered a mirror of the real world. Considering the projected rapid development of invasive and parallel Brain-Computer Interface (BCI), as well as the new BCI-based paradigms that include online pattern recognition and stimulus control of biological spike trains, SNNs naturally leverage their advantages in energy efficiency, robustness, and flexibility. The biological brain has inspired the present study of SNNs and effective SNN machine-learning algorithms, which can help enhance neuroscience discoveries in the brain by applying them to the new BCI paradigm. Such two-way interactions with positive feedback can accelerate brain science research and brain-inspired intelligence technology.

چکیده به فارسی (ترجمه ماشینی)

شبکه های عصبی سنبله (SNN) در زمینه شبیه سازی محاسباتی و زمینه های هوش مصنوعی به دلیل احتمال بیولوژیکی و کارآیی محاسباتی آنها محبوبیت دارند.در این مقاله به توسعه تاریخی SNN می پردازد و نتیجه می گیرد که این دو زمینه در حال تلاقی هستند و به سرعت در حال ادغام هستند.به دنبال کاربرد موفقیت آمیز سنسورهای بینایی پویا (DVS) و سنسورهای صوتی پویا (DAS) ، SNN ها پارادایم های مناسبی پیدا کرده اند ، مانند ردیابی مداوم سیگنال بصری ، تشخیص خودکار گفتار و یادگیری تقویت کننده برای کنترل مداوم ، که به طور گسترده ای از کلیدی آنها پشتیبانی می کنندویژگی ها ، از جمله رمزگذاری سنبله ، ناهمگونی عصبی ، مدارهای عملکردی خاص و انعطاف پذیری چند مقیاس.در مقایسه با این پارادایم های دنیای واقعی ، مغز حاوی نسخه سنبله ای از پارادایم زیست شناسی جهان است ، که سطح مشابهی از پیچیدگی را نشان می دهد و معمولاً آینه ای از دنیای واقعی محسوب می شود.با توجه به توسعه سریع پیش بینی شده رابط تهاجمی و موازی مغز-کامپیوتر (BCI) ، و همچنین پارادایم های جدید مبتنی بر BCI که شامل تشخیص الگوی آنلاین و کنترل محرک قطارهای سنبله بیولوژیکی است ، SNN ها به طور طبیعی از مزایای خود در بهره وری انرژی ، استحکام ، استحکام ، بهره می برند.و انعطاف پذیریمغز بیولوژیکی الهام بخش مطالعه حاضر SNN ها و الگوریتم های مؤثر در یادگیری ماشین SNN است که می تواند با استفاده از آنها در الگوی جدید BCI ، به افزایش اکتشافات علوم اعصاب در مغز کمک کند.چنین تعامل دو طرفه با بازخورد مثبت می تواند تحقیقات علم مغز و فناوری اطلاعاتی با الهام از مغز را تسریع کند.

📚 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.