司南指引了方向,深南定义了类脑智能

仿生类脑神经元芯片——deepsouth(深南)

01

完全摆脱冯•诺依曼 计算机结构

02

第三代脉冲神经网络
(SNN,spiking neural network)

03

基于STDP(spike-time-dependent plasticity)(学习规则的突触可塑性)的算法构建完整的突触神经网络

04

由电路模拟真实生物神经元产生脉冲的仿生学芯片,通过动态分配的方法能模拟出高达5000万级别的“神经元”

05

具有”自我学习,自我实时提高”的特点,而且集成度更高、 模板更易更换,解决实时的复杂的智能问题

06

功耗为传统芯片在同一任务下的 几十分之一到几百分之一

片上(On-Chip) 在线(On-line)学习,

从此不再是OR,而是BOTH!

深度学习类脑神经元芯片——deepwell(深井)

01

完全摆脱冯•诺依曼 计算机结构

02

处理模式识别问题的 通用智能芯片

03

基于在线伪逆矩阵求解算法(OPIUM lite)对芯片中神经元间的连接权重进行学习和调

04

拥12800万个神经元,通过专属指令集调整芯片中神经元资源的分配

05

首度在芯片上实现了二值神经网络(Binary Neural Network)的片上(On-Chip)在线(On-line)学习

06

学习与识别速度远远高于运行在通用硬件(例如,CPU, GPU)上的传统方法(例如,CNN),且功耗更低