Neuromorphic Cognitive Systems: A Learning and Memory Centered Approach

این کتاب سیستم های شناختی نورومورفیک را از منظر یادگیری و حافظه محور ارائه می دهد. این نشان می‌دهد که چگونه می‌توان یک شبکه سیستمی از نورون‌ها برای انجام پردازش اطلاعات، محاسبات و وظایف شناختی سطح بالا مبتنی بر سنبله ایجاد کرد. این برای طیف گسترده ای از خوانندگان، از جمله دانشجویان کارشناسی و کارشناسی ارشد و محققانی که به محاسبات نورومورفیک و مهندسی نورومورفیک علاقه مند هستند، و همچنین مهندسان و متخصصان صنعت که در طراحی و کاربردهای سیستم های شناختی نورومورفیک، حسگرهای نورومورفیک درگیر هستند، سودمند است. و پردازنده ها و روباتیک شناختی.

این کتاب یک چارچوب سیستماتیک، از روش‌های اساسی ریاضی و محاسباتی در رمزگذاری عصبی مبتنی بر سنبله، یادگیری در شبکه‌های تک لایه و چند لایه، تا سطح شناختی تقریباً متشکل از حافظه و شناخت را فرموله می‌کند. از آنجایی که مکانیسم‌های یکپارچه‌سازی نورون‌های اسپک برای فرمول‌بندی عملکردهای شناختی در مغز کمی شناخته شده است، مطالعات سیستم‌های شناختی نورومورفیک به‌سرعت مورد نیاز است.

موضوعات پوشش‌دهی شده در این کتاب از سطح عصبی تا سیستم را شامل می‌شود. مرحله. در سطح عصبی، سازگاری سیناپسی نقش مهمی در الگوهای یادگیری دارد. به منظور انجام عملکردهای شناختی سطح بالاتر مانند تشخیص و حافظه، نورون های اسپک با توانایی های یادگیری به طور مداوم یکپارچه می شوند و سیستمی با قابلیت های رمزگذاری، یادگیری و حافظه ایجاد می کنند. کتاب این جنبه ها را به تفصیل شرح می دهد.

This book presents neuromorphic cognitive systems from a learning and memory-centered perspective. It illustrates how to build a system network of neurons to perform spike-based information processing, computing, and high-level cognitive tasks. It is beneficial to a wide spectrum of readers, including undergraduate and postgraduate students and researchers who are interested in neuromorphic computing and neuromorphic engineering, as well as engineers and professionals in industry who are involved in the design and applications of neuromorphic cognitive systems, neuromorphic sensors and processors, and cognitive robotics.

The book formulates a systematic framework, from the basic mathematical and computational methods in spike-based neural encoding, learning in both single and multi-layered networks, to a near cognitive level composed of memory and cognition. Since the mechanisms for integrating spiking neurons integrate to formulate cognitive functions as in the brain are little understood, studies of neuromorphic cognitive systems are urgently needed.

The topics covered in this book range from the neuronal level to the system level. In the neuronal level, synaptic adaptation plays an important role in learning patterns. In order to perform higher-level cognitive functions such as recognition and memory, spiking neurons with learning abilities are consistently integrated, building a system with encoding, learning and memory functionalities. The book describes these aspects in detail.