【摘 要】
：
神经采样是国际上最近提出的一种基于脉冲神经网络动力学的吉布斯采样算法,是一种有希望在类脑硬件上实现贝叶斯概率推断的算法.神经采样的仿生特点包括考虑神经元间通过发放
【机 构】
：
清华大学计算机科学与技术系,清华大学智能技术与系统国家重点实验室,清华大学类脑计算研究中心
【基金项目】
：
本课题得到国家“九七三”重点基础研究计划项目（2013CB329403）和国家自然科学基金（61322308,61332007）资助.
论文部分内容阅读
神经采样是国际上最近提出的一种基于脉冲神经网络动力学的吉布斯采样算法,是一种有希望在类脑硬件上实现贝叶斯概率推断的算法.神经采样的仿生特点包括考虑神经元间通过发放脉冲来传递信息、突触后膜电压和迟滞效应等.该文首先会介绍国际上在神经采样方面已有的工作,分三小部分：第1部分涉及神经采样的抽象模型,包括其原理和在任意贝叶斯网络中采样的具体模型;第2部分涉及硬件实现,包括用累积发放（I＆F）模型近似连续时间神经采样动力学的方法;第3部分通过结合前两部分,涉及用脉冲神经网络动力学训练传统的机器学习模型,并在经典计算
其他文献
多媒体教学是以计算机为中心,能够处理多种教学媒体,实现人机信息交流的一种全新的教学手段,它为教育的发展注入了新的生机和活力.现把影像、图形、动画、声音及文字等多媒体
随着多种多样新型网络应用的涌现,传统的路由配置模式越来越难以适应用户多样化的数据通信需求.因此,需要依据用户对不同类型应用差异化的通信需求,在数据分组的传输路径上配置合适的路由功能,自适应地合成满足分组传输特性的路由服务,改善用户体验.根据由大数据带来的数据间关联关系新范式,文中试图从大量的应用通信流状态数据中,分析和获取用户体验与路由服务各属性之间的依赖关系,促进高效地实现路由服务的定制化.鉴于
相似连接是指在给定的两个数据集中,根据给定的相似性度量函数来计算数据之间的相似度,并找出所有相似度不小于给定阈值的数据对的操作.相似连接作为一个基本的操作,被广泛地
该文提出了一种基于子空间映射和一致性非刚体变换的准稠密匹配传播算法.该算法从一组稀疏的种子匹配开始,迭代地在其周围寻找新的潜在匹配.与现有方法最大的不同在于,该文的方法使用一致性非刚体变换模型来描述两个扩展窗口之间的几何关系,而不是使用离散二维视差梯度模型或者局部平面仿射模型.在计算非刚体运动模型之前,扩展窗口内所有像素的空间坐标信息和特征信息都被映射到一个新的子空间中.这一新的数据表达方式可以提
求解极小不可满足保持子术语集（Mups）是不一致术语集调试的核心工作.在构建术语集依赖关系图模型基础上,从概念之间的依赖关系角度出发,定义语义依赖度、语义簇、依赖度分布3个