KIT | KIT-Bibliothek | Impressum | Datenschutz

Synaptic Learning for Neuromorphic Vision - Processing Address Events with Spiking Neural Networks

Kaiser, Jacques

Abstract:

Das Gehirn übertrifft herkömmliche Computerarchitekturen in Bezug auf Energieeffizienz, Robustheit und Anpassungsfähigkeit. Diese Aspekte sind auch für neue Technologien wichtig. Es lohnt sich daher, zu untersuchen, welche biologischen Prozesse das Gehirn zu Berechnungen befähigen und wie sie in Silizium umgesetzt werden können. Um sich davon inspirieren zu lassen, wie das Gehirn Berechnungen durchführt, ist ein Paradigmenwechsel im Vergleich zu herkömmlichen Computerarchitekturen erforderlich. Tatsächlich besteht das Gehirn aus Nervenzellen, Neuronen genannt, die über Synapsen miteinander verbunden sind und selbstorganisierte Netzwerke bilden.
... mehr

Abstract (englisch):

The brain outperforms conventional computer architectures in aspects of energy efficiency, robustness and adaptivity. These aspects are also important for emerging technologies. It is therefore worthwhile to investigate what biological processes enable the brain to perform computations and how can they be implemented in silicon. Taking inspiration from how the brain performs computations requires a shift in computational paradigm compared to conventional computer architectures. Indeed, the brain is composed of nervous cells, called neurons, connected with synapses and forming self-organized networks. ... mehr


Volltext §
DOI: 10.5445/IR/1000122690
Veröffentlicht am 18.08.2020
Cover der Publikation
Zugehörige Institution(en) am KIT FZI Dillmann, Forschungsbereich Interaktive Diagnose- und Servicesysteme (IDS)
FZI Forschungszentrum Informatik (FZI)
Institut für Anthropomatik und Robotik (IAR)
Publikationstyp Hochschulschrift
Publikationsdatum 18.08.2020
Sprache Englisch
Identifikator KITopen-ID: 1000122690
Verlag Karlsruher Institut für Technologie (KIT)
Umfang XI, 175 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Informatik (INFORMATIK)
Institut Institut für Anthropomatik und Robotik (IAR)
Prüfungsdatum 15.06.2020
Projektinformation HBP (EU, FP7, 604102)
HBP SGA1 (EU, H2020, 720270)
HBP SGA2 (EU, H2020, 785907)
Schlagwörter Event-based vision, Spiking neural networks, Biologically-inspired learning
Relationen in KITopen
Referent/Betreuer Dillmann, R.
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page