事件驱动神经形态系统

本书系统地描述了神经 形态工程领域的最新技术， 包括构建完整的神经形态芯 片和解决制造多芯片可扩展 系统面临的技术问题。主要 内容分为两部分。第一部分 (第2～6章)描述了所构建的 AER通信体系结构、AER传 感器和电子神经模型，其中 ，第2～5章用树状图描述了 将架构和电路关联起来的历 史，并引导读者阅读大量文 献；第6章描述了关于事件 驱动系统学习的大部分理论 知识。第二部分(第7～16章 )面向神经形态电子系统构 建方向的读者，提供了用于 构建传感器和计算单元建模 神经系统构建基块的各种方 法信息，包括硅神经元、硅 突触、硅耳蜗电路、浮栅电 路和可编程控制器数字偏置 发生器的详细信息，还包括 硬件和软件通信基础结构， 以及事件驱动传感器输出算 法处理的相关内容。本书以 第17章结尾，梳理了当前计 算机与神经系统在实现计算 处理方式上的差异，讨论了 认知神经形态系统发展的长 期途径。

第1章 简介 1.1 起源与历史背景 1.2 建立有用的神经形态系统 参考文献 第一部分 理解神经形态系统 第2章 通信 2.1 简介 2.2 地址事件表示 2.2.1 AER编码器 2.2.2 仲裁机制 2.2.3 编码机制 2.2.4 多个AER端点 2.2.5 地址映射 2.2.6 路由 2.3 AER链接设计注意事项 2.3.1 权衡：动态分配还是静态分配 2.3.2 权衡：仲裁访问还是冲突 2.3.3 权衡：排队与下降峰值 2.3.4 预测吞吐量的需求 2.3.5 设计权衡 2.4 AER链路的演变 2.4.1 单发单收 2.4.2 多发多收 2.4.3 并行信号协调 2.4.4 字串行寻址 2.4.5 串行差分信号 2.5 讨论 参考文献 第3章 硅视网膜 3.1 简介 3.2 生物视网膜 3.3 具有串行模拟输出的硅视网膜 3.4 事件驱动的异步像素输出与同步帧 3.5 AER视网膜 3.5.1 动态视觉传感器 3.5.2 基于时间的异步图像传感器 3.5.3 异步ParvoMagno视网膜模型 3.5.4 事件驱动的强度编码成像仪 3.5.5 空间对比度与方向视觉传感器 3.6 硅视网膜像素 3.6.1 DVS像素 3.6.2 ATIS像素 3.6.3 VISe像素 3.6.4 Octopus像素 3.7 硅视网膜新规范 3.7.1 DVS响应均匀性 3.7.2 DVS背景活动 3.7.3 DVS动态范围 3.7.4 DVS延迟和抖动 3.8 讨论