# 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