ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Neuromorphic Devices for Brain-inspired Computing: Artificial Intelligence, Perception, and Robotics

دانلود کتاب دستگاه های نورومورفیک برای محاسبات الهام گرفته از مغز: هوش مصنوعی، ادراک و رباتیک

Neuromorphic Devices for Brain-inspired Computing: Artificial Intelligence, Perception, and Robotics

مشخصات کتاب

Neuromorphic Devices for Brain-inspired Computing: Artificial Intelligence, Perception, and Robotics

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 3527349790, 9783527349791 
ناشر: Wiley-VCH 
سال نشر: 2022 
تعداد صفحات: 259 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت 

قیمت کتاب (تومان) : 46,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Neuromorphic Devices for Brain-inspired Computing: Artificial Intelligence, Perception, and Robotics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب دستگاه های نورومورفیک برای محاسبات الهام گرفته از مغز: هوش مصنوعی، ادراک و رباتیک نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

Cover
Title Page
Copyright
Contents
Preface
Chapter 1 Two‐Terminal Neuromorphic Memristors
	1.1 Memristive Devices
		1.1.1 Memristive Device Structure and Materials
			1.1.1.1 Memristive Device Structure
			1.1.1.2 Memristive Materials
		1.1.2 Resistive Switching Behavior
			1.1.2.1 Volatile Resistive Switching
			1.1.2.2 Nonvolatile Resistive Switching
	1.2 Resistive Switching Mechanisms
		1.2.1 Filamentary‐Type Resistive Switching
			1.2.1.1 Cation Migration‐Related Filaments
			1.2.1.2 Anion Migration‐Related Filaments
		1.2.2 Interface‐Type Resistive Switching
	1.3 Memristive Bioinspired Devices
		1.3.1 Memristive Synapses
			1.3.1.1 Short‐Term Memristive Synapses
			1.3.1.2 Long‐Term Memristive Synapses
		1.3.2 Memristive Neurons
			1.3.2.1 Bioplausible Memristive Neurons
			1.3.2.2 Biophysical Memristive Neurons
	1.4 Memristive Neural Networks
		1.4.1 Memristive ANN Computing
		1.4.2 Memristive SNN Computing
	1.5 Summary and Outlook
	References
Chapter 2 Spintronic Neuromorphic Devices
	2.1 Introduction
	2.2 Magnetic Tunnel Junction for Neuromorphic Computing
		2.2.1 Device Structure and the Write/Read Operation
			2.2.1.1 Binary Magnetic Tunnel Junction
			2.2.1.2 Multi‐level Spintronic Memristor
		2.2.2 Working as the Synaptic Device
			2.2.2.1 Stochastic Binary Synaptic Device
			2.2.2.2 Analog‐Like Synaptic Device
		2.2.3 Working as the Neural Device
			2.2.3.1 Spiking Neural Device
			2.2.3.2 Artificial Neural Device
		2.2.4 All‐Spin Neural Network
			2.2.4.1 All‐Spin Artificial Neural Network with Compound Scheme
			2.2.4.2 All‐Spin Spiking Neural Network with Spintronic Memristor
		2.2.5 Summary and Outlook
	2.3 Skyrmion‐Based Neuromorphic Computing
		2.3.1 The Introduction of Skyrmions
		2.3.2 Skyrmion‐Based Synapse Devices
		2.3.3 Skyrmion‐Based Neuron Devices
		2.3.4 Skyrmion‐Based Reservoir Computing
		2.3.5 Skyrmion‐Based Stochastic Computing
		2.3.6 Challenges and Perspectives
	2.4 Spin Torque Oscillators for Neuromorphic Computing
		2.4.1 Introduction to Spin Torque Oscillator
		2.4.2 Associative Memory Based on Injection Locking of STO
		2.4.3 Reservoir Computing Based on STO
		2.4.4 Recurrent Neural Network based on Delayed Feedback of STO
		2.4.5 Neuromorphic Computing Based on the Synchronization of STO
		2.4.6 Problems and Perspectives
	2.5 Conclusion and Outlook
	References
Chapter 3 Multiterminal Neuromorphic Devices with Cognitive Behaviors
	3.1 Introduction
	3.2 Multiterminal Neuromorphic Memristors
		3.2.1 Memristor‐Based Neuromorphic Devices
		3.2.2 Multiterminal Memristor for Neuromorphic System
			3.2.2.1 Synaptic Competition and Cooperation on Multiterminal Memristor
			3.2.2.2 Heterosynaptic Plasticity on Multiterminal Memristor
			3.2.2.3 Multiterminal Memtransistor
	3.3 Multiterminal Neuromorphic Transistors
		3.3.1 Neuron Transistors
		3.3.2 Neuromorphic Devices for Chemical Biosensor Applications
			3.3.2.1 Chemical Biosensors
			3.3.2.2 Neuron Transistors for Chemical Biosensor
			3.3.2.3 Multi‐gate Neuromorphic Transistor for pH Sensor
		3.3.3 Dendritic Algorithm on Multiterminal Neuromorphic Transistors
			3.3.3.1 EGT‐Based Neuromorphic Transistors
			3.3.3.2 Multi‐gate Neuromorphic Transistor
			3.3.3.3 Dendrite Neuron and Dendritic Algorithm
			3.3.3.4 Multi‐gate Neuromorphic Transistor for Pattern Recognition
	3.4 Neuromorphic Transistors for Perception Learning Activities
		3.4.1 Artificial Tactile Device
		3.4.2 Artificial Vision Device
		3.4.3 Artificial Auditory Device
	3.5 Conclusion and Outlook
	Acknowledgments
	References
Chapter 4 Neuromorphic Devices Based on Chalcogenide Materials
	4.1 Introduction
	4.2 Ovonic Memory Switching (OMS) and Threshold Switching (OTS) in Chalcogenide Materials
	4.3 Artificial Synapses Based on MS Behaviors
	4.4 Artificial Neurons Based on TS Effects
	4.5 Hardware Neural Networks
	4.6 Summary and Outlook
	References
Chapter 5 Neuromorphic Devices Based on Organic Materials
	5.1 Introduction
	5.2 Two‐Terminal Organic Neuromorphic Devices
		5.2.1 Metal Filament Conducting‐Based Memristors
		5.2.2 Redox Reaction‐Based Memristors
		5.2.3 Ion Migration‐Based Memristors
		5.2.4 Charge Trapping‐Based Memristors
	5.3 Three‐Terminal Organic Neuromorphic Devices
		5.3.1 Floating‐Gate Transistors
		5.3.2 Electrolyte‐Gate Transistors
		5.3.3 Ferroelectric‐Gate Transistors
		5.3.4 Optoelectronic Transistors
	5.4 Innovative Applications of Organic Neuromorphic Devices for Bionic Perception Systems
		5.4.1 Artificial Visualization Systems
		5.4.2 Tactile‐Perception Systems
	5.5 Summary and Outlook
	References
Chapter 6 Neuromorphic Computing Systems with Emerging Devices
	6.1 Introduction
		6.1.1 Background Introduction
		6.1.2 The Motivation for Neuromorphic Computing
		6.1.3 Progress and Challenges of CMOS‐Based Neuromorphic Computing
		6.1.4 Principles of Memristors
	6.2 DNNs Based on Synaptic Devices
		6.2.1 Device Performance Requirements
		6.2.2 Array Demonstrations
		6.2.3 Chip and System Implementations
		6.2.4 Architecture and Algorithm Optimization
			6.2.4.1 Quantization
			6.2.4.2 Nonideal Analog Switching Characteristics
			6.2.4.3 Synaptic Array Size
	6.3 SNNs Based on Neuromorphic Devices
		6.3.1 Learning Rules and Memory Principles
			6.3.1.1 Synapses and Neurons in SNNs
			6.3.1.2 Learning Algorithms and Benchmarks for SNNs
		6.3.2 SNNs with Synaptic Devices and Neuronal Devices
			6.3.2.1 Synaptic Devices with Plasticity
			6.3.2.2 Neuronal Devices
		6.3.3 SNN Implementations with Synaptic Arrays
	6.4 Other Neuromorphic Systems
		6.4.1 Hyperdimensional Computing
		6.4.2 Dendritic Computing
		6.4.3 Reservoir Computing
		6.4.4 Oscillatory Neural Network
		6.4.5 Hopfield Neural Network and Simulated Annealing
	6.5 Summary and Outlook
	References
Chapter 7 Neuromorphic Perceptual Systems with Emerging Devices
	7.1 Background
	7.2 Sensation and Perception
		7.2.1 From Sensation to Perception
		7.2.2 Pursing Artificial Perception by Neuromorphic Devices
	7.3 Implementation of Artificial Perception
		7.3.1 Building Block of Artificial Perception: Artificial Sensory Neuron
		7.3.2 Intelligent Tasks Based on Artificial Perception
			7.3.2.1 Pattern Recognition Tasks
			7.3.2.2 Prosthetics and Robotics Applications
		7.3.3 A Roadmap Toward Neuromorphic Perceptual System
	7.4 Challenges and Perspectives
		7.4.1 Challenges
		7.4.2 Conclusions and Perspectives
	References
Index
EULA




نظرات کاربران