本文介绍了一种针对 Leaky Integrate and Fire 神经元的高效训练算法，该算法能够训练 SNN 学习复杂的时空模式，并且通过与硬件结合的方式，展示了神经元和突触基于忆阻器的网络实现的原理及优点。

Apr, 2021

本文回顾了构建新一类仿效人脑以时间编码和处理信息的信息处理引擎所涉及的一些体系结构和系统级设计方面，以解决能效问题。

Jan, 2019

该文概述了脉冲神经网络及其硬件实现的现状和趋势，介绍了在算法选择和训练机制方面的工作，描述了利用硬件提高该算法特性的策略以及相关的优点和挑战。

May, 2020

神经形态计算有望比传统的冯・诺依曼计算模式在能效上提升数个数量级。其目标是通过学习和模拟大脑功能来开发自适应、容错、低占用、快速、低能耗的智能系统，可以通过在材料、器件、电路、架构和算法等不同抽象层面上进行创新来实现。随着复杂视觉任务的能耗因大型数据集而呈指数增长，并且资源受限的边缘设备变得越来越普遍，基于脉冲的神经形态计算方法可以成为在当前主导视觉领域的深度卷积神经网络的可行替代方案。在本书章节中，我们介绍了神经形态计算，概述了设计堆栈的几个代表性示例（器件、电路和算法），并总结了一些令人兴奋的应用和未来的研究方向，这些方向在近期的计算机视觉中似乎很有前景。

Oct, 2023

生物神经系统是计算机更快、更便宜和更能效的重要灵感源泉。神经形态学学科将大脑视为一个共同进化的系统，同时优化硬件和运行在其上的算法。本文提出了一个基于时空感受野的神经形态系统的有原则的计算模型，通过空间上的仿射高斯核和时间上的漏积分器和漏积分发放模型。我们的理论在空间和时间尺度变换上可证明是协变的，并与哺乳动物大脑的视觉处理有很多相似之处。我们将这些时空感受野作为事件驱动视觉任务中的先验知识，并展示这能够提高脉冲网络的训练效果，在事件驱动视觉中通常被认为是有问题的。本研究结合了尺度空间理论和计算神经科学的努力，寻找在神经形态系统中处理时空信号的理论基础，这对信号处理和事件驱动视觉具有直接的相关性，并且可以扩展到其他空间和时间处理任务，如记忆和控制。

May, 2024

神经元通过称为脉冲的时机事件传递信息，在数字系统中如何利用这一信息仍不清楚。在本研究中，我们展示了事件编码在音频压缩中的有效性。我们使用深度二进制自编码器构建了这种基于事件的表示，在高稀疏度压力下，模型进入了二进制事件矩阵通过稀疏矩阵存储算法更有效存储的状态。我们将其与向量量化自编码器在大规模 MAESTRO 钢琴录音数据集上进行了测试。我们的 “脉冲音乐压缩” 算法不仅在压缩 / 重构平衡上取得了有竞争力的结果，而且在稀疏状态下不需要监督训练，编码事件和钢琴按键击中之间的选择性和同步性得以出现。

Feb, 2024

通过全光神经元、光子突触的结合实现了小规模的全光神经元系统，这种用于神经元和突触之间信息交流的新型系统比传统计算机更高效，尤其对于高带宽任务如通讯和图像处理尤为适用。

Feb, 2021

我们的研究强调了基于 FPGA 的神经形态系统的鲁棒性和精确性，其检测率为 94％，在识别和缓解威胁方面表现出更强的能力，具有在噪声背景下实现所需信号的出色平衡，以及对抗 FGSM 和 PGD 等敌对攻击的无与伦比的韧性。此外，神经形态计算和硬件安全在许多传感器领域中使用于关键任务和隐私保护应用。

Jan, 2024

基于时间编码的 ANN 到 SNN 转换方法 Quartz 在神经形态硬件上实现了高分类准确性，通过时间编码在功耗、吞吐量和延迟方面具有优势。

Sep, 2023

提出一种轻量级的神经元尖峰检测和分类架构，利用浓缩的脑内神经数据的独特特征将不必要的信息丢弃，从而实现无线头戴式存储装置，允许小鼠在实验中自由运动，并通过使用 STT-RAM（自旋转磁翻转随机存取存储器）作为可拆卸存储器和设计的低功耗性质，使头戴式仪器在小型电池上运行长达大约 4 天。

Nov, 2023