जैव-प्रेरित कंप्यूटिंग

From Vigyanwiki
Revision as of 20:37, 8 August 2023 by alpha>Soumyabisht (TEXT)
This article is about using biology as an inspiration in computing. For computers composed of biological parts, see Biological computing. For data analysis and mathematical modeling in biology, see Computational biology.

जैव-प्रेरित कंप्यूटिंग, जिसका संक्षिप्त रूप जैविक रूप से प्रेरित कंप्यूटिंग है, अध्ययन का एक क्षेत्र है जो जीव विज्ञान के मॉडल का उपयोग करके कंप्यूटर विज्ञान की समस्याओं को हल करना चाहता है। यह संबंधवाद, सामाजिक व्यवहार और उद्भव से संबंधित है। कंप्यूटर विज्ञान के भीतर, जैव-प्रेरित कंप्यूटिंग कृत्रिम बुद्धिमत्ता और मशीन लर्निंग से संबंधित है। जैव-प्रेरित कंप्यूटिंग प्राकृतिक कंप्यूटिंग का एक प्रमुख उपसमूह है।

इतिहास

प्रारंभिक विचार

जैविक कंप्यूटिंग के पीछे के विचार 1936 से मिलते हैं और एक अमूर्त कंप्यूटर का पहला विवरण मिलता है, जिसे अब ट्यूरिंग मशीन के रूप में जाना जाता है। एलन ट्यूरिंग ने सबसे पहले एक जैविक नमूने का उपयोग करके अमूर्त निर्माण का वर्णन किया। ट्यूरिंग ने एक ऐसे गणितज्ञ की कल्पना की जिसमें तीन महत्वपूर्ण गुण हों।[1] उसके पास हमेशा एक इरेज़र के साथ एक पेंसिल, असीमित संख्या में कागजात और आंखों का एक काम करने वाला सेट होता है। आंखें गणितज्ञ को कागज पर लिखे किसी भी प्रतीक को देखने और समझने की अनुमति देती हैं जबकि पेंसिल उसे किसी भी प्रतीक को लिखने और मिटाने की अनुमति देती है। अंत में, असीमित कागज़ उसे अपनी इच्छित स्मृति में कुछ भी संग्रहीत करने की अनुमति देता है। इन विचारों का उपयोग करके वह आधुनिक डिजिटल कंप्यूटर के एक सार का वर्णन करने में सक्षम थे। हालाँकि ट्यूरिंग ने उल्लेख किया कि जो कुछ भी इन कार्यों को कर सकता है उसे ऐसी मशीन माना जा सकता है और उन्होंने यहां तक ​​कहा कि सामान्य रूप से डिजिटल गणना और मशीन सोच का वर्णन करने के लिए बिजली की भी आवश्यकता नहीं होनी चाहिए।[2] तंत्रिका - तंत्र

पहली बार 1943 में वॉरेन मैकुलोच और वाल्टर पिट्स द्वारा वर्णित, तंत्रिका नेटवर्क कंप्यूटर एल्गोरिदम के निर्माण को प्रेरित करने वाली जैविक प्रणालियों का एक प्रचलित उदाहरण है।[3] उन्होंने सबसे पहले गणितीय रूप से वर्णन किया कि सरलीकृत न्यूरॉन्स की एक प्रणाली तार्किक संयोजन, तार्किक विच्छेदन और निषेध जैसे सरल तार्किक संचालन उत्पन्न करने में सक्षम थी। उन्होंने आगे दिखाया कि तंत्रिका नेटवर्क की एक प्रणाली का उपयोग किसी भी गणना को करने के लिए किया जा सकता है जिसके लिए सीमित स्मृति की आवश्यकता होती है। 1970 के आसपास तंत्रिका नेटवर्क के आसपास अनुसंधान धीमा हो गया और कई लोग मार्विन मिन्स्की और सेमुर पैपर्ट की 1969 की परसेप्ट्रॉन (पुस्तक) को मुख्य कारण मानते हैं।[4][5] उनकी पुस्तक से पता चला है कि तंत्रिका नेटवर्क मॉडल केवल मॉडल सिस्टम में सक्षम थे जो बूलियन फ़ंक्शंस पर आधारित होते हैं जो एक निश्चित सीमा मान के बाद ही सत्य होते हैं। ऐसे कार्यों को रैखिक वर्गीकरणकर्ता के रूप में भी जाना जाता है। पुस्तक ने यह भी दिखाया कि बड़ी मात्रा में सिस्टम को इस तरह प्रस्तुत नहीं किया जा सकता है कि बड़ी मात्रा में सिस्टम को तंत्रिका नेटवर्क द्वारा मॉडल नहीं किया जा सकता है। 1986 में जेम्स रुमेलहार्ट और डेविड मैक्लेलैंड की एक अन्य पुस्तक ने रैखिक बैक-प्रोपेगेशन एल्गोरिदम का प्रदर्शन करके तंत्रिका नेटवर्क को फिर से सुर्खियों में ला दिया, जिसने बहुस्तरीय तंत्रिका नेटवर्क के विकास की अनुमति दी जो उन सीमाओं का पालन नहीं करते थे।[6] चींटी कालोनियाँ

1979 में डगलस हॉफस्टैटर ने एक जैविक प्रणाली के विचार का वर्णन किया जो बुद्धिमान गणना करने में सक्षम है, भले ही इस प्रणाली में शामिल व्यक्ति बुद्धिमान न हों।[7] अधिक विशेष रूप से, उन्होंने एक चींटी कॉलोनी का उदाहरण दिया जो बुद्धिमान कार्यों को एक साथ पूरा कर सकती है लेकिन प्रत्येक व्यक्तिगत चींटी आकस्मिक व्यवहार नामक कुछ प्रदर्शित नहीं कर सकती है। अज़ीमी एट अल. 2009 में दिखाया गया कि जिसे उन्होंने चींटी कॉलोनी एल्गोरिदम के रूप में वर्णित किया है, एक क्लस्टरिंग एल्गोरिदम जो समूहों की संख्या को आउटपुट करने और अन्य पारंपरिक एल्गोरिदम की तुलना में अत्यधिक प्रतिस्पर्धी अंतिम क्लस्टर उत्पन्न करने में सक्षम है।[8] आख़िरकार 2009 में होल्डर और विल्सन ने ऐतिहासिक डेटा का उपयोग करके निष्कर्ष निकाला कि चींटियाँ एक एकल सुपरग्रानिज़्म कॉलोनी के रूप में कार्य करने के लिए विकसित हुई हैं।[9] एक बहुत ही महत्वपूर्ण परिणाम क्योंकि इसने सुझाव दिया कि समूह चयन विकासवादी एल्गोरिदम को चींटी कॉलोनी के समान एल्गोरिदम के साथ मिलकर संभावित रूप से अधिक शक्तिशाली एल्गोरिदम विकसित करने के लिए उपयोग किया जा सकता है।

अनुसंधान के क्षेत्र

जैविक रूप से प्रेरित कंप्यूटिंग और उनके जैविक समकक्षों में अध्ययन के कुछ क्षेत्र:

Bio-Inspired Computing Topic Biological Inspiration
Genetic Algorithms Evolution
Biodegradability prediction Biodegradation
Cellular Automata Life
Emergence Ants, termites, bees, wasps
Neural networks The brain
Artificial life Life
Artificial immune system Immune system
Rendering (computer graphics) Patterning and rendering of animal skins, bird feathers, mollusk shells and bacterial colonies
Lindenmayer systems Plant structures
Communication networks and communication protocols Epidemiology
Membrane computers Intra-membrane molecular processes in the living cell
Excitable media Forest fires, "the wave", heart conditions, axons
Sensor networks Sensory organs
Learning classifier systems Cognition, evolution

कृत्रिम बुद्धि

बायो-इंस्पायर्ड कंप्यूटिंग को कंप्यूटर सीखने के दृष्टिकोण से पारंपरिक कृत्रिम बुद्धिमत्ता से अलग किया जा सकता है। जैव-प्रेरित कंप्यूटिंग एक विकासवादी दृष्टिकोण का उपयोग करता है, जबकि पारंपरिक ए.आई. 'सृजनवाद' दृष्टिकोण का उपयोग करता है। जैव-प्रेरित कंप्यूटिंग सरल नियमों और सरल जीवों के एक सेट से शुरू होती है जो उन नियमों का पालन करते हैं। समय के साथ, ये जीव सरल बाधाओं के भीतर विकसित होते हैं। इस विधि को ऊपर से नीचे और नीचे से ऊपर डिज़ाइन|बॉटम-अप या विकेंद्रीकरण माना जा सकता है। पारंपरिक कृत्रिम बुद्धिमत्ता में, बुद्धिमत्ता को अक्सर ऊपर से प्रोग्राम किया जाता है: प्रोग्रामर निर्माता होता है, और कुछ बनाता है और उसे अपनी बुद्धि से भर देता है।

आभासी कीट उदाहरण

आभासी कीट को प्रशिक्षित करने के लिए जैव-प्रेरित कंप्यूटिंग का उपयोग किया जा सकता है। छह सरल नियमों से लैस भोजन खोजने के लिए कीट को अज्ञात इलाके में नेविगेट करने के लिए प्रशिक्षित किया जाता है:

  • लक्ष्य और बाधा के लिए बाएँ मुड़ें;
  • लक्ष्य और बाधा के लिए दाएं मुड़ें;
  • लक्ष्य-बाएँ-बाधा-दाएँ के लिए बाएँ मुड़ें;
  • लक्ष्य-दाएँ-बाधा-बाएँ के लिए दाएँ मुड़ें;
  • लक्ष्य के लिए बाएं मुड़ें-बिना किसी बाधा के बाएं मुड़ें;
  • लक्ष्य के लिए दाएं मुड़ें-बिना किसी बाधा के दाएं मुड़ें।

प्रशिक्षित स्पाइकिंग न्यूरल नेटवर्क द्वारा नियंत्रित आभासी कीट किसी भी अज्ञात इलाके में प्रशिक्षण के बाद भोजन पा सकता है।[10] नियम लागू करने की कई पीढ़ियों के बाद आमतौर पर ऐसा होता है कि कुछ प्रकार के जटिल व्यवहार उत्पन्न होते हैं। जटिलता पर जटिलता तब तक निर्मित होती जाती है जब तक कि परिणाम स्पष्ट रूप से जटिल न हो जाए, और अक्सर मूल नियमों से जो उत्पन्न होने की उम्मीद की जाती है उससे पूरी तरह से उलट हो (जटिल प्रणाली देखें)। इस कारण से, तंत्रिका नेटवर्क मॉडल में, शोर गुणांक के लाइव संग्रह द्वारा इन विवो नेटवर्क को सटीक रूप से मॉडल करना आवश्यक है जिसका उपयोग सिस्टम जटिलता बढ़ने पर सांख्यिकीय अनुमान और एक्सट्रपलेशन को परिष्कृत करने के लिए किया जा सकता है। रेफरी>Joshua E. Mendoza. ""स्मार्ट टीके" - आने वाली चीज़ों का आकार". Research Interests. Archived from the original on November 14, 2012.</ref>

प्राकृतिक विकास इस पद्धति का एक अच्छा सादृश्य है - विकास के नियम (चयन (जीव विज्ञान), आनुवंशिक पुनर्संयोजन/प्रजनन, उत्परिवर्तन और हाल ही में स्थानांतरण (आनुवांशिकी)) सिद्धांत रूप में सरल नियम हैं, फिर भी लाखों वर्षों में उल्लेखनीय रूप से जटिल जीवों का उत्पादन हुआ है। आनुवंशिक एल्गोरिदम में एक समान तकनीक का उपयोग किया जाता है।

मस्तिष्क-प्रेरित कंप्यूटिंग

मस्तिष्क-प्रेरित कंप्यूटिंग कम्प्यूटेशनल मॉडल और तरीकों को संदर्भित करता है जो मुख्य रूप से मस्तिष्क की नकल करने के बजाय मुख्य रूप से मस्तिष्क के तंत्र पर आधारित होते हैं। लक्ष्य मशीन को मस्तिष्क-प्रेरित तरीके से मनुष्य की विभिन्न संज्ञानात्मक क्षमताओं और समन्वय तंत्र का एहसास करने में सक्षम बनाना है, और अंततः मानव बुद्धि स्तर को प्राप्त करना या उससे अधिक करना है।

अनुसंधान

कृत्रिम बुद्धिमत्ता शोधकर्ता अब मस्तिष्क सूचना प्रसंस्करण तंत्र से सीखने के लाभों से अवगत हैं। और मस्तिष्क विज्ञान और तंत्रिका विज्ञान की प्रगति कृत्रिम बुद्धिमत्ता को मस्तिष्क सूचना प्रसंस्करण तंत्र से सीखने के लिए आवश्यक आधार भी प्रदान करती है। मस्तिष्क और तंत्रिका विज्ञान शोधकर्ता मस्तिष्क सूचना प्रसंस्करण की समझ को विज्ञान के व्यापक क्षेत्र में लागू करने का भी प्रयास कर रहे हैं। सूचना प्रौद्योगिकी और स्मार्ट प्रौद्योगिकी के प्रोत्साहन से अनुशासन के विकास को लाभ मिलता है और बदले में मस्तिष्क और तंत्रिका विज्ञान भी सूचना प्रौद्योगिकी के परिवर्तन की अगली पीढ़ी को प्रेरित करेगा।

मस्तिष्क-प्रेरित कंप्यूटिंग पर मस्तिष्क विज्ञान का प्रभाव

मस्तिष्क और तंत्रिका विज्ञान में प्रगति, विशेष रूप से नई प्रौद्योगिकियों और नए उपकरणों की मदद से, शोधकर्ताओं को विभिन्न प्रयोगात्मक तरीकों के माध्यम से मस्तिष्क के बहु-स्तरीय, बहु-प्रकार के जैविक साक्ष्य प्राप्त करने में सहायता मिलती है, और विभिन्न पहलुओं और कार्यात्मक आधार से जैव-बुद्धिमत्ता की संरचना को प्रकट करने का प्रयास कर रहे हैं। सूक्ष्म न्यूरॉन्स, सिनैप्टिक कामकाजी तंत्र और उनकी विशेषताओं से लेकर मेसोस्कोपिक कनेक्शनिज्म तक, मैक्रोस्कोपिक मस्तिष्क अंतराल में लिंक और उनकी सहक्रियात्मक विशेषताओं तक, इन प्रयोगात्मक और यंत्रवत अध्ययनों से प्राप्त मस्तिष्क की बहु-स्तरीय संरचना और कार्यात्मक तंत्र भविष्य के मस्तिष्क-प्रेरित कंप्यूटिंग मॉडल के निर्माण के लिए महत्वपूर्ण प्रेरणा प्रदान करेंगे।[11]

मस्तिष्क से प्रेरित चिप

मोटे तौर पर, मस्तिष्क-प्रेरित चिप का तात्पर्य मानव मस्तिष्क के न्यूरॉन्स की संरचना और मानव मस्तिष्क के संज्ञानात्मक मोड के संदर्भ में डिज़ाइन की गई चिप से है। जाहिर है, न्यूरोमॉर्फिक चिप एक मस्तिष्क-प्रेरित चिप है जो मानव मस्तिष्क न्यूरॉन मॉडल और इसकी ऊतक संरचना के संदर्भ में चिप संरचना के डिजाइन पर ध्यान केंद्रित करती है, जो मस्तिष्क-प्रेरित चिप अनुसंधान की एक प्रमुख दिशा का प्रतिनिधित्व करती है। विभिन्न देशों में "मस्तिष्क योजनाओं" के उदय और विकास के साथ-साथ, न्यूरोमॉर्फिक चिप्स पर बड़ी संख्या में शोध परिणाम सामने आए हैं, जिन पर व्यापक अंतरराष्ट्रीय ध्यान गया है और अकादमिक समुदाय और उद्योग के लिए अच्छी तरह से जाना जाता है। उदाहरण के लिए, ईयू-समर्थित दौड़ लगानेवाले जहाज़ का बड़ा पाल और ब्रेनस्केलएस, स्टैनफोर्ड का न्यूरोग्रिड, आईबीएम का ट्रू नॉर्थ और क्वालकॉम का ज़ेरोथ (सॉफ्टवेयर)।

ट्रूनॉर्थ एक मस्तिष्क-प्रेरित चिप है जिसे आईबीएम लगभग 10 वर्षों से विकसित कर रहा है। यूएस DARPA कार्यक्रम 2008 से बुद्धिमान प्रसंस्करण के लिए स्पंदित तंत्रिका नेटवर्क चिप्स विकसित करने के लिए आईबीएम को वित्त पोषित कर रहा है। 2011 में, आईबीएम ने पहली बार मस्तिष्क संरचनाओं का अनुकरण करके दो संज्ञानात्मक सिलिकॉन प्रोटोटाइप विकसित किए जो मस्तिष्क की तरह जानकारी सीख और संसाधित कर सकते थे। मस्तिष्क से प्रेरित चिप का प्रत्येक न्यूरॉन बड़े पैमाने पर समानता के साथ क्रॉस-कनेक्टेड है। 2014 में, आईबीएम ने ट्रूनॉर्थ नामक दूसरी पीढ़ी की मस्तिष्क-प्रेरित चिप जारी की। पहली पीढ़ी के मस्तिष्क-प्रेरित चिप्स की तुलना में, ट्रूनॉर्थ चिप का प्रदर्शन नाटकीय रूप से बढ़ गया है, और न्यूरॉन्स की संख्या 256 से बढ़कर 1 मिलियन हो गई है; प्रोग्रामयोग्य सिनैप्स की संख्या 262,144 से बढ़कर 256 मिलियन हो गई है; 70 मेगावाट की कुल बिजली खपत और प्रति वर्ग सेंटीमीटर 20 मेगावाट की बिजली खपत के साथ सबसिनेप्टिक ऑपरेशन। साथ ही, ट्रूनॉर्थ मस्तिष्क चिप्स की पहली पीढ़ी के केवल 1/15 के परमाणु आयतन को संभालता है। वर्तमान में, आईबीएम ने एक न्यूरॉन कंप्यूटर का एक प्रोटोटाइप विकसित किया है जो वास्तविक समय वीडियो प्रसंस्करण क्षमताओं के साथ 16 ट्रूनॉर्थ चिप्स का उपयोग करता है।[12] ट्रूनॉर्थ चिप के अति-उच्च संकेतकों और उत्कृष्टता ने इसकी रिलीज की शुरुआत में अकादमिक जगत में बड़ी हलचल पैदा कर दी है।

2012 में, चाइनीज एकेडमी ऑफ साइंसेज (सीएएस) के कंप्यूटिंग टेक्नोलॉजी संस्थान और फ्रेंच इनरिया ने डीप न्यूरल नेटवर्क प्रोसेसर आर्किटेक्चर चिप कैंब्रियन को सपोर्ट करने वाली दुनिया की पहली चिप विकसित करने के लिए सहयोग किया।[13] इस तकनीक ने कंप्यूटर आर्किटेक्चर, एएसपीएलओएस और माइक्रो के क्षेत्र में सर्वश्रेष्ठ अंतरराष्ट्रीय सम्मेलन जीते हैं, और इसकी डिजाइन पद्धति और प्रदर्शन को अंतरराष्ट्रीय स्तर पर मान्यता मिली है। चिप का उपयोग मस्तिष्क-प्रेरित चिप्स की अनुसंधान दिशा के एक उत्कृष्ट प्रतिनिधि के रूप में किया जा सकता है।

मस्तिष्क-प्रेरित कंप्यूटिंग में चुनौतियाँ

अस्पष्ट मस्तिष्क तंत्र संज्ञान

मानव मस्तिष्क विकास का एक उत्पाद है। यद्यपि इसकी संरचना और सूचना प्रसंस्करण तंत्र को लगातार अनुकूलित किया जाता है, विकास प्रक्रिया में समझौता अपरिहार्य है। कपाल तंत्रिका तंत्र एक बहु-स्तरीय संरचना है। प्रत्येक पैमाने पर सूचना प्रसंस्करण के तंत्र में अभी भी कई महत्वपूर्ण समस्याएं हैं, जैसे न्यूरॉन स्केल की बारीक कनेक्शन संरचना और मस्तिष्क-स्केल प्रतिक्रिया का तंत्र। इसलिए, न्यूरॉन्स और सिनैप्स की संख्या की व्यापक गणना भी मानव मस्तिष्क के आकार का केवल 1/1000 है, और वैज्ञानिक अनुसंधान के वर्तमान स्तर पर इसका अध्ययन करना अभी भी बहुत मुश्किल है।[14] मस्तिष्क सिमुलेशन में हाल की प्रगति ने मानव संज्ञानात्मक मानसिक_क्रोनोमेट्री और द्रव_और_क्रिस्टलीकृत_बुद्धि में व्यक्तिगत परिवर्तनशीलता को होमोस्टैसिस # कनेक्टोम में न्यूरोट्रांसमिशन, रेस्टिंग_स्टेट_एफएमआरआई # फ़ंक्शनल, विजेता-टेक-ऑल_ (कंप्यूटिंग) | विजेता-टेक-ऑल निर्णय लेने और डायनामिकल_न्यूरोसाइंस # अट्रैक्टर_नेटवर्क क्रियाशील स्मृति से जोड़ा है।[15]

अस्पष्ट मस्तिष्क-प्रेरित कम्प्यूटेशनल मॉडल और एल्गोरिदम

संज्ञानात्मक मस्तिष्क कंप्यूटिंग मॉडल के भविष्य के शोध में, मल्टी-स्केल मस्तिष्क तंत्रिका प्रणाली डेटा विश्लेषण परिणामों के आधार पर मस्तिष्क सूचना प्रसंस्करण प्रणाली को मॉडल करना, मस्तिष्क से प्रेरित मल्टी-स्केल तंत्रिका नेटवर्क कंप्यूटिंग मॉडल का निर्माण करना और मल्टी-स्केल में मस्तिष्क की मल्टी-मोडैलिटी का अनुकरण करना आवश्यक है। बुद्धिमान व्यवहार क्षमता जैसे धारणा, स्व-सीखना और स्मृति, और विकल्प। मशीन लर्निंग एल्गोरिदम लचीले नहीं हैं और उन्हें उच्च गुणवत्ता वाले नमूना डेटा की आवश्यकता होती है जिसे बड़े पैमाने पर मैन्युअल रूप से लेबल किया जाता है। प्रशिक्षण मॉडल के लिए बहुत अधिक कम्प्यूटेशनल ओवरहेड की आवश्यकता होती है। मस्तिष्क-प्रेरित कृत्रिम बुद्धिमत्ता में अभी भी उन्नत संज्ञानात्मक क्षमता और अनुमानात्मक सीखने की क्षमता का अभाव है।

विवश कम्प्यूटेशनल वास्तुकला और क्षमताएं

अधिकांश मौजूदा मस्तिष्क-प्रेरित चिप्स अभी भी वॉन न्यूमैन वास्तुकला के अनुसंधान पर आधारित हैं, और अधिकांश चिप निर्माण सामग्री अभी भी पारंपरिक अर्धचालक सामग्रियों का उपयोग कर रही हैं। तंत्रिका चिप केवल मस्तिष्क सूचना प्रसंस्करण की सबसे बुनियादी इकाई को उधार ले रही है। सबसे बुनियादी कंप्यूटर प्रणाली, जैसे भंडारण और कम्प्यूटेशनल फ़्यूज़न, पल्स डिस्चार्ज तंत्र, न्यूरॉन्स के बीच कनेक्शन तंत्र, आदि, और विभिन्न पैमाने की सूचना प्रसंस्करण इकाइयों के बीच तंत्र को मस्तिष्क-प्रेरित कंप्यूटिंग वास्तुकला के अध्ययन में एकीकृत नहीं किया गया है। अब एक महत्वपूर्ण अंतरराष्ट्रीय प्रवृत्ति नैनोमीटर जैसी नई सामग्रियों के आधार पर तंत्रिका कंप्यूटिंग घटकों जैसे मस्तिष्क मेमरिस्टर्स, मेमोरी कंटेनर और संवेदी सेंसर विकसित करना है, इस प्रकार अधिक जटिल मस्तिष्क-प्रेरित कंप्यूटिंग आर्किटेक्चर के निर्माण का समर्थन करना है। मस्तिष्क-प्रेरित कंप्यूटरों और मस्तिष्क-प्रेरित चिप विकास पर आधारित बड़े पैमाने पर मस्तिष्क कंप्यूटिंग प्रणालियों के विकास के लिए इसके व्यापक अनुप्रयोग का समर्थन करने के लिए एक संबंधित सॉफ़्टवेयर वातावरण की भी आवश्यकता होती है।

यह भी देखें

सूचियों

संदर्भ

  1. ↑ Turing, Alan (1936). On computable numbers : with an application to the Entscheidungsproblem. Mathematical Society. OCLC 18386775.
  2. ↑ Turing, Alan (2004-09-09), "Computing Machinery and Intelligence (1950)", The Essential Turing, Oxford University Press, doi:10.1093/oso/9780198250791.003.0017, ISBN 978-0-19-825079-1, retrieved 2022-05-05
  3. ↑ McCulloch, Warren; Pitts, Walter (2021-02-02), "A Logical Calculus of the Ideas Immanent in Nervous Activity (1943)", Ideas That Created the Future, The MIT Press, pp. 79–88, doi:10.7551/mitpress/12274.003.0011, ISBN 9780262363174, retrieved 2022-05-05
  4. ↑ Minsky, Marvin (1988). Perceptrons : an introduction to computational geometry. The MIT Press. ISBN 978-0-262-34392-3. OCLC 1047885158.
  5. ↑ "History: The Past". userweb.ucs.louisiana.edu. Retrieved 2022-05-05.
  6. ↑ McClelland, James L.; Rumelhart, David E. (1999). Parallel distributed processing : explorations in the microstructure of cognition. MIT Press. ISBN 0-262-18120-7. OCLC 916899323.
  7. ↑ Hofstadter, Douglas R. (1979). Gödel, Escher, Bach : an eternal golden braid. Basic Books. ISBN 0-465-02656-7. OCLC 750541259.
  8. ↑ Azimi, Javad; Cull, Paul; Fern, Xiaoli (2009), "Clustering Ensembles Using Ants Algorithm", Methods and Models in Artificial and Natural Computation. A Homage to Professor Mira’s Scientific Legacy, Berlin, Heidelberg: Springer Berlin Heidelberg, pp. 295–304, doi:10.1007/978-3-642-02264-7_31, ISBN 978-3-642-02263-0, retrieved 2022-05-05
  9. ↑ Wilson, David Sloan; Sober, Elliott (1989). "सुपरऑर्गेनिज्म को पुनर्जीवित करना". Journal of Theoretical Biology. 136 (3): 337–356. Bibcode:1989JThBi.136..337W. doi:10.1016/s0022-5193(89)80169-9. ISSN 0022-5193. PMID 2811397.
  10. ↑ Xu Z; Ziye X; Craig H; Silvia F (Dec 2013). "Spike-based indirect training of a spiking neural network-controlled virtual insect". निर्णय और नियंत्रण पर 52वां आईईईई सम्मेलन. pp. 6798–6805. CiteSeerX 10.1.1.671.6351. doi:10.1109/CDC.2013.6760966. ISBN 978-1-4673-5717-3. S2CID 13992150. {{cite book}}: |journal= ignored (help)
  11. ↑ 徐波，刘成林，曾毅.类脑智能研究现状与发展思考[J].中国科学院院刊,2016,31(7):793-802.
  12. ↑ "美国类脑芯片发展历程". Electronic Engineering & Product World.
  13. ↑ Chen, Tianshi; Du, Zidong; Sun, Ninghui; Wang, Jia; Wu, Chengyong; Chen, Yunji; Temam, Olivier (2014). "डायना ओह". ACM Sigarch Computer Architecture News. 42: 269–284. doi:10.1145/2654822.2541967.
  14. ↑ Markram Henry , Muller Eilif , Ramaswamy Srikanth Reconstruction and simulation of neocortical microcircuitry [J].Cell, 2015, Vol.163 (2), pp.456-92PubMed
  15. ↑ Schirner, Michael; Deco, Gustavo; Ritter, Petra (2023). "यह सीखना कि कैसे नेटवर्क संरचना जैव-प्रेरित कंप्यूटिंग के लिए निर्णय लेने को आकार देती है". Nature Communications. 14 (2963): 2963. Bibcode:2023NatCo..14.2963S. doi:10.1038/s41467-023-38626-y. PMC 10206104. PMID 37221168.


अग्रिम पठन

(the following are presented in ascending order of complexity and depth, with those new to the field suggested to start from the top)


बाहरी संबंध

Retrieved from ‘https://www.vigyanwiki.in/index.php?title=जैव-प्रेरित_कंप्यूटिंग&oldid=252426’