Page 53 - 112-2小論文

第三代人工智慧 SNN 模型原理解析與前景

2. 建議

SNN 模型雖然目前的發展尚未完善，優勢仍是不可忽視的，所以部分的產業中
已經開始嘗試 SNN 的應用，且反饋多屬正面，就比如 SNN 優化 BCI 的精度。所以
筆者認為 SNN 模型的前景是光明的，具相當多實際應用而非鏡花水月。因此，讀者
們若對第三代人工智慧抱持興趣或好奇，不妨在更深入研究 SNN 模型的各個原理
細節，抑或是持續觀察產業環境的變化，去掌握自身或產業優勢以應對適合 SNN 環
境到來時掌握先機。

陸、參考文獻

1. GeeksforGeeks（2023 年 7 月 9 日）。 Computer Organization | Von Neumann architecture。
https://www.geeksforgeeks.org/computer-organization-von-neumann-architecture/

2. Chiustin （ 2020 年 4 月 26 日 ） 。 神 經 形 態 計 算 實 現 脈 衝 神 經 網 路 。

https://chiustin.blogspot.com/2020/04/blog-post_26.html

3. Eshraghian, J. k, Ward, M., Neftci, E. o, Wang, X., Lenz, G., Dwivedi, G., Bennamoun, M., Jeong,
D. seok, & Lu, W. d. (2023). Training Spiking Neural Networks Using Lessons From Deep
Learning. IEEE , 111(9), 1016–1054. https://doi.org/10.1109/JPROC.2023.3308088

4. Roy, K., Han, B., & Srinivasan, G. (2020). RMP-SNN: Residual Membrane Potential Neuron for
Enabling Deeper High-Accuracy and Low-Latency Spiking Neural Network. IEEE , 33(12), 5546–
5558. https://doi.org/10.1109/CVPR42600.2020.01357

5. Feng, L., Shan, H., Fan, Z., Zhang, Y., Yang, L., & Zhu, Z. (2023). Towards Neuromorphic Brain-
Computer Interfaces: Model and Circuit Co-Design of the Spiking EEGNet. Microelectronics
Journal , 137 , 105808. https://doi.org/j.mejo.2023.105808

6. Khodamoradi, A., Denolf, K., & Kastner, R. (2021). S2N2: A FPGA Accelerator for Streaming
Spiking Neural Networks. Guo, L., Chi, Y., Wang, J., Lau, J., Qiao, W., Ustun, E., Zhang, Z., &
Cong, J. FPGA '21: The 2021 ACM/SIGDA International Symposium on Field-Programmable Gate
Arrays (pp. 1-12). Association for Computing Machinery.

7. Song, l., Wu, j., Zhang, H., & Wu, F. (2021). Cellular UAV-to-Device Communications: Trajectory
Design and Mode Selection by Multi-Agent Deep Reinforcement Learning. IEEE , 69(5), 2744–2757.
https://arxiv.org/abs/2002.08040

10