Thuật ngữ AI
Từ điển đầy đủ về Trí tuệ nhân tạo
SNN Hybride
Architecture neuronale combinant des neurones spiking et des neurones traditionnels non-spiking pour optimiser performance et efficacité énergétique.
Conversion ANN-SNN
Processus de transformation d'un réseau neuronal artificiel conventionnel en réseau de neurones spiking tout en préservant les performances d'inférence.
Neurone Integrate-and-Fire
Modèle de neurone spiking qui accumule les potentiels postsynaptiques jusqu'à atteindre un seuil, générant alors un potentiel d'action.
Normalisation par poids
Technique d'ajustement des poids synaptiques durant la conversion ANN-SNN pour maintenir l'équilibre des activations entre les deux architectures.
Équilibrage de seuils
Processus d'optimisation des seuils de décharge des neurones spiking pour minimiser la perte de précision lors de la conversion depuis un ANN.
Simulation temps discret
Approche de simulation SNN où le temps est divisé en pas discrets, permettant une implémentation efficace sur matériel numérique.
Simulation temps continu
Modélisation SNN traitant le temps comme continu, offrant une représentation plus fidèle des dynamiques neuronales biologiques.
Co-simulation
Technique permettant l'exécution simultanée de modèles ANN et SNN pour faciliter les processus de conversion hybride.
Spike coding
Transformation of continuous or discrete data into spike trains for processing by spiking neural networks.
Conversion-based learning
Training methodology where an ANN is first optimized then converted into an SNN, avoiding costly direct spike-based learning.
Dynamic threshold adaptation
Mechanism automatically adjusting neuronal firing thresholds during inference to optimize spatiotemporal representation.
Adaptive error propagation
Algorithm modifying standard backpropagation to accommodate the non-differentiable nature of spikes in SNNs.