登录社区云，与社区用户共同成长
邀请您加入社区
STDP是一种纯局部学习规则，突触权重变化仅取决于突触前与突触后发放的时间差：因果（前先于后）增强LTP，反因果（后先于前）抑制LTD。其学习窗为双指数不对称曲线，抑制通常略强于增强，使权重有稳态。STDP无需全局误差信号和可微计算图，适合类脑芯片在线学习。代码实现STDP窗口，展示±5ms配对分别使权重饱和到1或0，双输入竞争仅凭5ms先后差异完成选择。避坑要点：抑制略强、时间常数合理、用迹变量
LIF（泄漏积分点火）神经元是脉冲神经网络的最小计算单元，输出离散脉冲而非连续值。其核心由五要素构成：泄漏（电位趋向静息）、积分（输入电流累积）、阈值（越过则发放）、重置（发放后复位）、不应期（强制静默，限制最大发放率）。膜电位由一阶微分方程描述，离散化用欧拉法，步长需满足τm/dt≥10以保证数值稳定。f-I曲线刻画稳态发放率与输入电流关系，存在阈值电流，越过后近似线性上升，被不应期压平。代码仿
本文深入探讨了受蝙蝠等生物导航机制启发的多尺度液态状态机算法，及其在机器人精准定位领域的应用。通过剖析生物神经元的网格细胞与位置细胞工作原理，并结合Python代码示例，展示了如何构建一个模拟大脑时空信息处理的混合神经网络模型，以提升机器人在复杂动态环境中的鲁棒性与定位精度。
国外巨头纷纷布局这一全球 AI 必争赛道，在此背景下，以灵汐科技为代表的中国AI企业，基于类脑智能技术，也给出了。相比于纯神经拟态的专用技术路线（一些类脑计算机），杭州灵汐的异构融合类脑芯片及系统能同时高效支持深度学习神经网络和脉冲神经网络，具有兼容PyTorch、TensorFlow等深度学习框架，可直接服务于多类开源大模型的快速推理。（简称LynAInfra 128）是由灵汐科技自研的一体化大
脉冲神经网络（SNN）作为类脑计算的核心模型，借鉴生物神经系统的事件驱动与稀疏编码原理，通过离散的脉冲信号传递信息，实现了高能效与强时序处理能力。其技术价值在于能够处理动态、非平稳的实时数据流，为自适应智能系统提供了新的计算范式。在应用场景上，SNN特别适合机器人控制、传感器融合、实时决策等需要低功耗、高响应速度的领域。本文以Orangutan多尺度脑模拟AI框架为例，深入探讨了如何将微观的神经元
类脑计算借鉴生物神经系统的结构与信息处理机制，旨在构建更高效、更具适应性的智能系统。其核心原理在于模拟神经元通过脉冲进行稀疏、异步通信的方式，以降低能耗并提升对动态信息的处理能力。在技术价值上，类脑计算为突破传统深度学习在能效比、数据依赖和泛化能力上的瓶颈提供了新路径。尤其在计算机视觉领域，结合神经形态工程与主动感知机制，可以构建出类似生物视觉的“感知-决策-行动”闭环。应用场景广泛，包括机器人导
人工智能的核心挑战在于如何构建更高效、更具适应性的系统。当前主流的深度学习模型，如Transformer，虽然在自然语言处理等领域取得了巨大成功，但其依赖海量数据和算力的训练方式，在能耗和泛化能力上存在瓶颈。神经科学的研究揭示了生物大脑在极低功耗下处理多模态信息、实现小样本学习和终身适应的奥秘，其核心原理包括稀疏事件驱动、时空动力学和局部学习规则。借鉴这些原理的类脑计算，为下一代AI发展提供了新思
忆阻器作为第四种基本电路元件，其电阻值随电荷量动态变化的特性与生物突触高度相似，为构建类脑计算系统提供了物理基础。在纳米尺度下，忆阻单元通过自组织形成复杂网络，展现出类似神经网络的动态重构和临界态行为。这种基于物理基元的计算范式，在储层计算和联想学习等任务中表现出高效能和低功耗优势，特别适合语音识别、心电图分类等实时处理场景。纳米级忆阻网络的自组织特性和临界态行为，使其在神经形态计算领域展现出巨大
想知道大模型如何化身"大脑"吗？本文通过让四大国产AI同走迷宫的趣味实验，带你直观对比它们的"性格"差异。你将掌握Temperature调参技巧，揭秘如何用10行代码让AI学会焦虑与决策，千万别错过！🧠
认知科学与类脑计算 第十章 脑机接口 模拟卷及答案
认知科学与类脑计算 第十章 脑机接口 考点压缩
认知科学与类脑计算 第九章 类脑计算应用 模拟卷及答案
认知科学与类脑计算 第九章 类脑计算应用 考点压缩
认知科学与类脑计算 第八章 脉冲神经网络有监督学习 模拟卷及答案
认知科学与类脑计算 第八章 脉冲神经网络有监督学习 考点压缩
认知科学与类脑计算 第七章 赫布法则与STDP规则 模拟卷及答案
认知科学与类脑计算 第七章 赫布法则与STDP规则 考点压缩
认知科学与类脑计算 第六章 神经可塑性 模拟卷及答案
认知科学与类脑计算 第六章 神经可塑性 考点压缩
认知科学与类脑计算 第五章 神经编码与信息表示 模拟卷及答案
认知科学与类脑计算 第五章 神经编码与信息表示 考点压缩
认知科学与类脑计算 第四章 神经元模型与计算机制 模拟卷及答案
认知科学与类脑计算 第四章 神经元模型与计算机制 考点压缩
认知科学与类脑计算 第三章 神经信号与突触传递 考点压缩
认知科学与类脑计算 第三章 神经信号与突触传递 模拟卷及答案
认知科学与类脑计算 第二章 神经系统的生理学基础 模拟卷及答案
认知科学与类脑计算 第二章 神经系统的生理学基础 考点压缩
认知科学与类脑计算 第一章 背景介绍 模拟卷及答案
认知科学与类脑计算 第一章 背景介绍 考点压缩
一天复习完 认知科学与类脑计算 A4纸抄写的笔记
人工神经网络（ANNs）作为现代AI的基石，其设计长期受限于对生物神经元的简化假设——将动态电化学过程压缩为静态加权求和。随着脉冲神经网络（SNNs）、类脑振荡机制与突触可塑性规则（如STDP）等神经科学原理被系统引入AI架构，模型正从‘统计拟合’转向‘机制驱动’。这种收敛不仅提升了时序建模精度、低功耗推理能力与跨域鲁棒性，更催生了可解释性增强、神经活动可映射的新一代智能系统。在医疗癫痫定位、工业
类脑计算已超越‘AI模仿大脑’的初级阶段，进入以高时空分辨率神经数据和可解释建模工具为支撑的双向验证新范式。其核心原理在于通过数据层（如ECoG频谱对齐）、模型层（如生物门控LSTM）与验证层（如环路激活一致性CAC）的协同收敛，实现计算假设与神经机制的互证。这一技术路径显著提升模型在癫痫预测、BCI解码、跨物种功能对齐等任务中的泛化性与临床可信度，尤其适用于低功耗边缘部署与小样本神经疾病分析场景
人工智能正经历从‘数据驱动’向‘原理驱动’的范式跃迁，神经科学作为理解智能物理基础的核心学科，为AI提供了能耗约束、动态适应、时序建模与资源调度等关键工程启示。其核心价值不在于生物仿真，而在于提炼突触可塑性、神经振荡、递质调控等机制背后的数学本质与物理约束。这些原理已支撑脉冲神经网络在边缘设备实现毫瓦级推理、海马体位置编码提升时空序列建模鲁棒性、小脑式双通路架构解决实时控制误差校正等工业场景。对算
作为国内类脑智能领域极具影响力的行业赛事，本届大赛通过“广州赛区全面征集 + 上海地区定向推荐”双轨模式，累计吸引60支队伍报名参赛，其中涵盖清华大学、浙江大学、复旦大学、中国科学技术大学、中山大学等21所国内顶尖高校，及最终序列（上海）科技有限公司、成都中科智网科技有限公司、上海眸深智能科技有限公司、阿尔飞思（杭州）机器人科技有限公司等23家行业创新企业，参赛项目广泛涉足低空经济、交通预警、医疗
为进一步降低类脑智能技术开发门槛，促进产学研协同创新，完善类脑产业生态布局，，为全球类脑开发者提供高效、便捷的技术开发底座，助力类脑算法创新、芯片适配与应用落地，让类脑开发更简单、更高效！，在保证了易用性的同时也确保了数据处理的实时性。为激发开发者创新活力，让类脑开发工具的技术价值充分释放，脑启社区将依托本次工具开源，举办。的数据处理系统，允许用户对输入输出芯片的数据进行自定义处理。，开启你的类脑
等产业链上下游生态伙伴，就规模化应用、场景适配、生态协同等关键议题交流研讨、凝聚共识，为类脑智能与智慧城市、能源电力、智能制造、云边计算等领域深度融合提供务实支撑。当前，类脑智能正加速从前沿技术探索迈向规模化产业应用，低功耗、高能效、强适配的独特优势，使其成为培育新质生产力、赋能实体经济高质量发展的核心引擎。等维度，带来高规格、高价值的深度分享，全面呈现类脑智能在真实场景中的部署路径、技术优势与落
人工智能作为引领新一轮科技革命和产业变革的战略性技术，正在深刻改变人类社会。本章从类脑计算、自动化机器学习、神经网络压缩、人工智能芯片、量子机器学习、人工智能伦理与治理、人工智能算法开发框架等方面，简要总结人工智能的未来发展方向和趋势。
类脑计算
——类脑计算
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
脑启社区
openEuler 社区
DAMO开发者矩阵
亚马逊云科技技术品牌专区
码道开发者社区
AI Agent技术社区
AtomGit开源社区
