神经形态计算与脉冲神经网络的文献计量综述
神经与进化计算
2023-04-17 v1
摘要
神经形态计算与脉冲神经网络旨在借由生物学启发，超越传统冯·诺依曼架构机器，实现更高能效与算力。特别是，作为第三代神经网络基础的脉冲神经网络具有推进人工智能的潜力。在忆阻与存内计算技术发展的助推下，神经形态计算硬件正从实验室原型器件走向商用芯片组，开启了低功耗计算时代。作为生物、计算与材料科学的交汇点，围绕这些概念的文献广博、多样，且在一定程度上区别于人工神经网络文献。本文运用文献计量分析梳理过去22年文献，力图厘清发表与引文量的趋势(III-A)；分析高影响力作者、期刊与机构(III-B)；生成入门阅读清单(III-C)；考察国家、机构与作者间合作(III-D)；并分析历年研究主题的变化(III-E)。我们利用Clarivate Web of Science的文献数据，采用标准文献计量方法进行分析。通过简要介绍该领域过去二十余年最具影响力的文献，我们鼓励AI从业者与研究者将目光投向当代技术之外，展望一个可能的脉冲计算未来。
引用
@article{arxiv.2304.06897,
title = {A Bibliometric Review of Neuromorphic Computing and Spiking Neural Networks},
author = {Nicholas J. Pritchard and Andreas Wicenec and Mohammed Bennamoun and Richard Dodson},
journal= {arXiv preprint arXiv:2304.06897},
year = {2023}
}
备注
8 pages, 4 figures