Upcoming Lectures
Upcoming Lectures
Lecture5 Neuromorphic Computing Advances and Challenges
神经形态计算展望
日期: 2020-09-23 点击：
Abstract
Neuromorphic cognitive computing is a new theme of computing technology that aims for brain-like computing efficiency and intelligence. Neuromorphic computational models use neural spikes to represent the outputs of sensors and for communication between computing blocks, and using spike timing based learning algorithms.This talk will introduce the major concepts and developments in this interdisciplinary area, such as neuroscience-inspired artificial intelligence, neuromorphic software and hardware technological advances, and focus on spike based coding and learning algorithms, and also robotic cognitive models. Finally，the major challenges and outlook of this field will discussed.
人工智能和脑科学在各自领域独自发展，且都取得了很大突破，我们亟需以新的眼光和视角重新建立两者的联系，特别是从脑科学的角度探索人工智能的新思路和新方法。神经形态计算是一种模拟大脑计算架构、效率和智能的新的计算范式。本报告包含以下几方面内容：神经元－突触为计算载体的信息处理和计算形式、神经脉冲信息编码及基于脉冲的学习方法，神经科学启发的人工智能，探讨大脑对开发新型智能计算系统的启示；介绍神经形态计算在视听觉感知领域的进展以及神经形态软硬件方面的成果，基于神经机制的机器人认知模型在机器人的空间自我感知、定位和导航的应用以及对提升机器人自主智能的重要意义。最后，讨论神经形态计算领域的挑战与展望。
Speaker Bio
唐华锦,浙江大学计算机学院教授。唐华锦教授分别于浙江大学、上海交通大学完成本科和硕士学习，2005年于新加坡国立大学获得博士学位。2008-2015年于新加坡科技研究局资讯通信研究院担任Robotic Cognition实验室主任，2014年起担任四川大学类脑计算研究中心主任，目前为浙江大学计算机学院教授。主要研究领域为神经形态计算、类脑智能芯片、智能机器人。获 2016年度IEEE TNNLS杰出论文奖、2019年度IEEE Computational Intelligence Magazine杰出论文奖。担任/曾担任IEEE TNNLS、 IEEE Trans. on Cognitive and Developmental Systems、Frontiers in Neuromorphic Engineering，Neural Networks等期刊的Associate Editor，担任国际神经网络学会（International Neural Networks Society）理事及评奖委员会成员等。
