feat: 完整中文翻译 maths-cs-ai-compendium（数学·计算机科学·AI 知识大全）

翻译自英文原版 maths-cs-ai-compendium，共 20 章全部完成。

第01章 向量 | 第02章 矩阵 | 第03章 微积分
第04章 统计学 | 第05章 概率论 | 第06章 机器学习
第07章 计算语言学 | 第08章 计算机视觉 | 第09章 音频与语音
第10章 多模态学习 | 第11章 自主系统 | 第12章 图神经网络
第13章 计算与操作系统 | 第14章 数据结构与算法
第15章 生产级软件工程 | 第16章 SIMD与GPU编程
第17章 AI推理 | 第18章 ML系统设计
第19章 应用人工智能 | 第20章 前沿人工智能

翻译说明：
- 所有数学公式 $...$ / $$...$$、代码块、图片引用完整保留
- mkdocs.yml 配置中文导航 + language: zh
- README.md 已翻译为中文（兼 docs/index.md）
- docs/ 目录包含指向各章文件的 symlink
- 约 29,000 行中文内容，排除 .cache/ 构建缓存

chapter 20: bleeding edge AI/02. neuromorphic computing.md

@@ -0,0 +1,10 @@
+# 神经形态计算 (Neuromorphic Computing)
+
+- 生物学启发：脉冲神经元 (spiking neurons)、突触可塑性 (synaptic plasticity)、时间编码 (temporal coding)
+- 脉冲神经网络 (SNN)：整合发放模型——LIF、IF (integrate-and-fire models)、脉冲时序 (spike timing)
+- SNN 中的学习：STDP（脉冲时序依赖可塑性）、代理梯度方法 (surrogate gradient methods)、从 ANN 转换 (conversion from ANNs)
+- 神经形态硬件：Intel Loihi 2、IBM TrueNorth、SpiNNaker、BrainScaleS
+- 事件驱动计算：异步处理 (asynchronous processing)、高能效 (energy efficiency)
+- 事件相机 (DVS)：神经形态视觉传感器 (neuromorphic vision sensors)、稀疏时序数据 (sparse temporal data)
+- 应用：低功耗边缘推理 (low-power edge inference)、机器人 (robotics)、始终在线传感 (always-on sensing)
+- 与传统深度学习对比：延迟 (latency)、功耗 (power)、精度 (accuracy) 的权衡