Охота на электроовец. Большая книга искусственного интеллекта - Сергей Сергеевич Марков

Demonstrating Advantages of Neuromorphic Computation: A Pilot Study / Frontiers in Neuroscience: Neuromorphic Engineering, 26-Mar-2019 // https://doi.org/10.3389/fnins.2019.00260

1654

SpiNNaker Project — Architectural Overview / The University of Manchester: APT Advanced Processor Technologies Research Group // http://apt.cs.manchester.ac.uk/projects/SpiNNaker/architecture/

1655

SpiNNaker Project — Boards and Machines / The University of Manchester: APT Advanced Processor Technologies Research Group // http://apt.cs.manchester.ac.uk/projects/SpiNNaker/hardware/

1656

Saxon Science Ministry delivers 8 Mio Euro to TU Dresden for second generation SpiNNaker machine (2019) / Human Brain Project // https://www.humanbrainproject.eu/en/follow-hbp/news/second-generation-spinnaker-neurorphic-supercomputer-to-be-built-at-tu-dresden/

1657

Mayr С., Höppner S., Furber S. (2019). SpiNNaker 2: A 10 Million Core Processor System for Brain Simulation and Machine Learning // https://arxiv.org/abs/1911.02385

1658

Höppner S., Mayr C. (2018). SpiNNaker2 — Towards Extremely Efficient Digital Neuromorphics and Multi-scale Brain Emulation / NICE Workshop, 2018 // https://niceworkshop.org/wp-content/uploads/2018/05/2-27-SHoppner-SpiNNaker2.pdf

1659

Мамаева О. (2018). Самую дорогую квартиру в Москве оценили в 7 млрд рублей / РБК, 19 сентября 2018 // https://realty.rbc.ru/news/5ba225279a7947b0b1ce8985

1660

Human Brain Project, Framework Partnership Agreement // https://sos-ch-dk-2.exo.io/public-website-production/filer_public/0d/95/0d95ec21-276a-478d-a2a9-d0c5922fb83a/fpa_annex_1_part_b.pdf

1661

Defense Spending by Country: Total annual defense spending by nation (2020) / www.GlobalFirepower.com // https://www.globalfirepower.com/defense-spending-budget.asp

1662

Cleared Initiatives (2019) / NIH: The BrainInitiative® // https://braininitiative.nih.gov/funding/cleared-initiatives

1663

Moon G., Zaghloul M. E., Newcomb R. W. (1992). VLSI implementation of synaptic weighting and summing in pulse coded neural-type cells / IEEE Transactions on Neural Networks, Vol. 3, Iss. 3 // https://doi.org/10.1109/72.129412

1664

Zaghloul M., Meador J. L., Newcomb R. W. (1994). Silicon Implementation of Pulse Coded Neural Networks. Volume 266 of The Springer International Series in Engineering and Computer Science. Springer US // https://books.google.ru/books?id=MqdQAAAAMAAJ

1665

Ota Y., Wilamowski B. W. (2000). CMOS Architecture of Synchronous Pulse-Coupled Neural Network / 26th Annual Confjerence of the IEEE, Vol. 2 // https://doi.org/10.1109/IECON.2000.972295

1666

Huo J., Murray A., Wei D. (2012). Adaptive Visual and Auditory Map Alignment in Barn Owl Superior Colliculus and Its Neuromorphic Implementation / IEEE Transactions on Neural Networks and Learning Systems, Vol. 23, No. 9, pp. 1486—1497 // https://doi.org/10.1109/TNNLS.2012.2204771

1667

Strukov D., Snider G., Stewart D. R., Williams R. S. (2008). The missing memristor found / Nature, Vol. 453, pp. 80—83 // https://doi.org/10.1038/nature06932

1668

Vaidyanathan S., Volos C. (2016). Advances and Applications in Nonlinear Control Systems. Studies in Computational Intelligence. Springer International Publishing // https://books.google.ru/books?id=NxDNCwAAQBAJ

1669

* Диоксид титана — весьма распространённое химическое соединение. Это белый неорганический пигмент, широко применяемый в пищевой, косметической и фармацевтической промышленности. В качестве пищевой добавки (E171) он применяется для отбеливания рыбного фарша (сурими), в кондитерском производстве — для придания белизны сахарной и жировой глазури и конфетам. Диоксид титана можно легко встретить в числе компонентов зубной пасты, солнцезащитного крема, изделий из стекла и керамики, а также других повседневных вещей. По всей видимости, именно в силу своей распространённости в качестве пищевой добавки диоксид титана является источником лютого баттхёрта у многих хемофобов.

1670

Meuffels P., Soni R. (2012). Fundamental Issues and Problems in the Realization of Memristors // https://arxiv.org/abs/1207.7319

1671

Chua L. (2011). Resistance switching memories are memristors / Applied Physycs A, Vol. 102, pp. 765—783 // https://doi.org/10.1007/s00339-011-6264-9

1672

Пизастор таинственный (2008) / Томская группа и студенческое отделение Института инженеров по электротехнике и радиоэлектронике // https://web.archive.org/web/20200128145235/http://ieee.tpu.ru/smex/pizastor_01.html

1673

Yi W., Tsang K. K., Lam S. K., Bai X., Crowell J. A., Flores E. A. (2018). Biological plausibility and stochasticity in scalable VO2 active memristor neurons / Nature Communications, Vol. 9, Article number: 4661 // https://doi.org/10.1038/s41467-018-07052-w

1674

Wilson S. W. (1986). Knowledge Growth in an Artificial Animal / Narendra K. S. (1986). Adaptive and Learning Systems. Springer, Boston, MA // https://doi.org/10.1007/978-1-4757-1895-9_18

1675

Versace M., Chandler B. (2010). MoNETA: A Mind Made from Memristors / IEEE Spectrum, 23 Nov 2010 // https://spectrum.ieee.org/robotics/artificial-intelligence/moneta-a-mind-made-from-memristors

1676

Kozma R., Pino R. E., Pazienza G. E. (2012). Advances in Neuromorphic Memristor Science and Applications. Springer Science & Business Media // https://books.google.ru/books?id=ATdIfAol_k4C

1677

Hus S. M., Ge R., Chen P.-A., Liang L., Donnelly G. E., Ko W., Huang F., Chiang M.-H., Li A.-P., Akinwande D. (2020). Observation of single-defect memristor in an MoS2 atomic sheet / Nature Nanotechnology, Vol. 16, pp. 58—62 // https://www.nature.com/articles/s41565-020-00789-w

1678

Merolla P. A., Arthur J. V., Alvarez-Icaza R., Cassidy A. S., Sawada J., Akopyan F., Jackson B. L., Imam N., Guo C., Nakamura Y., Brezzo B., Vo I., Esser S. K., Appuswamy R., Taba B., Amir A., Flickner M. D., Risk W. P., Manohar R., Modha D. S. (2014). A million spiking-neuron integrated circuit with a scalable communication network and interface / Science, Vol. 345 (6197): 668 // https://doi.org/10.1126/science.1254642

1679

Yu S., Chen P.-Y., Cao Y., Xia L., Wang Y., Wu H. (2015). Scaling-up resistive synaptic arrays for neuro-inspired architecture: challenges and prospect / 2015 IEEE International Electron Devices Meeting / https://doi.org/10.1109/IEDM.2015.7409718

1680

Gao L., Wang I.-T., Chen P.-Y., Vrudhula S., Seo J.-s., Cao Y., Hou T.-H., Yu S. (2015). Fully parallel write/read in resistive synaptic array for accelerating on-chip learning / Nanotechnology, Vol. 26, Num. 45 // https://doi.org/10.1088/0957-4484/26/45/455204

1681

Prezioso M., Merrikh-Bayat F., Hoskins B. D., Adam G. C., Likharev K. K., Strukov D. B. (2015). Training and operation of an integrated neuromorphic network based on metal-oxide memristors / Nature, Vol. 521, pp. 61—64 // https://doi.org/10.1038/nature14441