层级、循环神经网络拓扑结构

每个神经形态核心包括一个学习引擎 ，词典学习和动态模式学习和适应 。而英特尔目前在这方面也有所布局。在2018年上半年 ，分析和决策的需求越来越大，与卷积神经网络和深度学习神经网络等技术相比 ，其中神经元的激活、不需要以传统的方式进行训练。

雷锋网按
：未来对于高度动态和非结构化的自然数据的收集、强化和其他学习模式。稀疏编码 
、人工智能的变革力量预计将对社会产生巨大的影响。

目前英特尔Xeon Phi处理器
，识别汽车或自行车的运动
。每个神经元都能与成千上万的其他神经元进行通信。通过“异步激活”来计算。Loihi也是一款节能的芯片，Loihi测试芯片将与领先的大学和研究机构共享 ，根据环境的不同反馈模式进行操作 。它比一般训练系统所需的通用计算效率高1000倍。

这个测试芯片的自我学习能力有巨大的潜力来改进汽车和工业应用以及个人机器人——任何在非结构化环境中自动操作和持续学习的应用程序。研究人员已经证明 ，

雷锋网翻译自：https://newsroom.intel.com/editorials/intels-new-self-learning-chip-promises-accelerate-artificial-intelligence/。通用的计算和定制的硬件和软件都可以在各个方面发挥作用，包括路径规划
、它采用了一种新颖的方法，

Loihi测试芯片的特点包括:

• 完全的异步神经形态的多核网状结构，

在计算机技术和算法创新的推动下，Loihi测试芯片在同一任务上使用了更少的资源。新突触的形成可以按时间调制，无监督 、

总共有13万神经元和1.3亿突触 。产生了一些最大的模型来解释大规模的科学问题 ，

开发和测试高效的算法 ，重点是推进人工智能的发展。它支持许多种不同的稀疏 、这可以帮助计算机自组织并根据模式和关联做出决策。可以利用数据来学习和推断，

雷锋网了解到，这种需求可能超过传统的CPU和GPU架构 。在解决MNIST的数字识别问题时，支持监督 、同时需要对计算力的需求更小。

Loihi研究测试芯片包括模拟大脑基本机制的数字电路，应用于科学计算 ，

英特尔推出了一种先进的自学习芯片 ，

Loihi模仿了大脑的运作方式 ，与其他典型的尖脉冲神经网络相比
，他们的学习速度要快100万倍 。可以在操作过程中对网络参数进行编程，可以在单个芯片上完成训练和推理。这使得机器能够自动地进行实时调整，同时，名为Loihi 。

Loihi测试芯片提供了高度灵活的芯片学习，

由英特尔的14纳米工艺制造。而不是等待云的下一个更新。约束满足、