¥
支付方式
请使用微信扫一扫 扫描二维码支付
请使用支付宝扫一扫 扫描二维码支付
类脑计算,是指仿真、模拟和借鉴大脑生理结构和信息处理过程的装置、模型和方法,其目标是制造类脑计算机和类脑智能,相关研究已经有二十多年的历史。与经典人工智能符号主义、连接主义、行为主义以及机器学习的统计主义这些技术路线不同,类脑计算采取仿真主义:结构层次模仿脑(非冯·诺依曼体系结构),器件层次逼近脑(神经形态器件替代晶体管),智能层次超越脑(主要靠自主学习训练而不是人工编程)。
本期CCF学科前沿讲习班《类脑计算》将从模拟生物神经元和神经突触的神经形态器件、神经网络芯片以及类脑计算模型和应用等方面对国内外研究进展进行介绍,探讨相关技术的未来发展趋势。本讲习班旨在帮助学员快速入门类脑计算原理和技术,了解学科热点以及应用方法,开阔科研视野,增进学术交流和增强实践能力。
CCF-ADL81期:
http://www.mooc.ai/course/114
2017年CCF-ADL78-87(10期全):
http://www.mooc.ai/course/87
唐华锦
四川大学
唐华锦,博士,四川大学计算机学院教授、博士生导师,类脑计算研究中心主任,入选国家青年千人计划。主要研究方向为神经形态计算、认知机器人。现担任多个国际期刊的Associate Editor,包括 IEEE Trans. On Neural Networks and Learning Systems,IEEE Trans. On Cognitive and Developmental Systems, 以及 Frontiers in Neuromorphic Engineering。获得2016年度 IEEE TNNLS 优秀论文奖。由Springer 2017年出版英文专著 Neuromorphic Cognitive Systems: A Learning and Memory Centered Approach。
课程主题:神经形态认知计算
模拟大脑智能是计算机科学领域长久以来的目标,成为过去几十年人工智能的发展的重要推动力。与传统人工智能方法不同,神经形态计算主要受神经科学发展推动,是建立在大脑神经电路结构和神经信息处理与神经脉冲计算原理上的新型计算模式,并最终以神经形态硬件方式来实现仿脑的认知计算与低功耗运算。虽然在神经科学领域神经元和突触层级已经取得了很大的进展,而如何模拟生物神经元及突触可塑性实现认知计算及实现神经形态芯片依然面临很多挑战,有待深入研究。本报告从神经形态认知计算领域需要解决的主要问题出发,介绍该领域取得的主要进展。