内容简介
本书从对神经网络的概述开始，讨论基于速率的人工神经网络的应用和训练，介绍实现神经网络的多种方法，如从通用处理器到专用硬件，从数字加速器到模拟加速器。接下来展示了一个为神经网络的自适应动态规划而建立的高能效加速器，然后是脉冲神经网络的基础概念和流行的学习算法，以及脉冲神经网络硬件概述。本书还为读者介绍了三个实现书中学习算法的设计案例（两个基于传统CMOS工艺，一个基于新兴的纳米工艺），最后对神经网络硬件进行总结与展望。
AI简介
这是一本全面探讨神经网络及其硬件实现的书籍。书中首先介绍了神经网络的基本概念，包括其发展、类型、硬件平台实现以及学习方式。接着，书中详细阐述了监督学习的定义及目标，探讨了如何通过反向传播算法来更新神经元之间的突触权重，从而整合学习的固有能力。
书中进一步讨论了通用处理器的性能改进，如提高工作频率和提高并行度，以及GPU在人工智能应用中的局限性。此外，书中还介绍了FPGA加速器的优势与应用场景，以及模拟/混合信号加速器的发展历程。
书中还深入探讨了脉冲神经网络(SNN)的基本运行原理，包括脉冲神经元模型、学习算法以及硬件实现等方面。同时，书中也详细讨论了SNN硬件的计算优势，包括其事件触发本质和基于脉冲的数据编码。
在讨论神经形态计算在人工智能中的应用前景时，书中强调了其在提高能效和可扩展性方面的优势。此外，书中还详细介绍了数字脉冲神经网络的硬件实现，以及SNN的学习算法研究，包括基于反向传播的梯度下降学习等。
书中还涉及了强化学习概述，探讨了如何让智能体通过与环境互动，学习到如何做出最优决策，以最大化累积奖励。同时，书中也讨论了深度学习的性能提升与节能技术，以及忆阻器与其他新兴
推荐影视
阅读/下载地址