研究類腦計算，脈衝神經網路以後該怎麼找工作？

1樓：

聊了下某top2組裡研究該方向的博士也要畢業轉行去工業界，不幹snn了，說明了啥？據說是正常發cnn發不過其他組，只能另闢蹊徑搞個snn，自己組裡實際都沒說服過去，不過這東西好忽悠，十篇總有一兩篇能忽悠上去，好發文章。因為大家都不懂

2樓：Yannan

2020-9-19

本人英國直博SNN小博士一枚，今年畢業。我還是對SNN的前景持樂觀態度的。SNN的應用落地需要同時硬體方面（晶元和感測器比如Loihi和DVS）和軟體方面。

他的優點主要在低功耗和處理速度上面有巨大的優勢。 3年前剛剛接觸SNN時並沒有想那麼多，只是單純覺得很有意思而且符合自己本科的課程背景。因為厭倦了英國的生活和今年疫情的原因，選擇回國工作。

其實就國內而言不管是科研還是工業方面都已經有相應的崗位出現了，當然和傳統NLP,CV或者Data mining這些比肯定選擇範圍還是窄的。但是從我個人應屆博士的經歷來看，我拿到的OFFER還算滿意，而且研究的人少何嘗不是一種機會，在6，7年前， ML和DL也不是還在冷宮裡

我的一篇部落格粗略的總結了一些去出，希望對大家有幫助類腦運算--脈衝神經網路（Spiking Neural Network）發展現狀

3樓：十萬個為什麼

脈衝神經網路的研究角度可以很多，從穩定性角度可以研究，這樣後期可以從事自動控制領域工作，因為自動控制很多研究都是基於穩定性；從引數選擇角度可以研究，不同的引數情況下，脈衝神經網路的效能不同，如何對引數優化，比如可以採用一些全域性優化演算法（例如，天牛須搜尋演算法https://

zhuanlan /p/30742461

），找到最優引數組合，這樣可以從事計算機演算法設計工作；從硬體實現角度，SNN需要積體電路知識，後期可以從事晶元類工作；從具體應用角度，如果用snn進行影象處理，進行語音識別，當然，今後可以從事影象與語音方面工作。

4樓：googol

SNN可能不成功，因為人腦和現在計算機的結構差別太大了。

但是SNN很重要的一點在於提示我們「時間」在神經網路中的重要性。去刻畫時間不僅對所謂影象和音訊這種資訊無法在乙個時間點上獲取的東西有用，更深層次的，它天然提供了乙個結構，使資訊不可簡單「加和」，也不可簡單「不加和」，這是否讓你想到什麼了呢？

5樓：Axier

目前已轉AGI，專注研究 NARS: Non-axiomatic Reasoning System

2023年 4月15日

我覺得有必要再說明一下：目前我已不再推崇SNN了，不僅僅是SNN，各種基於神經網路的模型我都不看好。研究類腦計算也別老是盯著神經網路不放，多注意資訊處理層面。

目前個人覺得研究吸引子網路比SNN，深度神經網路等更有點前景（我個人也不研究吸引子網路）。

入坑請慎重。

這個目前找工作我覺得挺難的，你看人家CNN，RNN系現在可是當紅，占領業界市場。

不過要我選的話，我選擇SNN，我比較傾向於它是第三代神經網路的看法，潛力巨大。看MIT已經搞出人工突觸了，相應的神經晶元也有，而且效果挺棒。我很看好它的前景。

未來它和神經晶元將成為基礎設施(猜的)

僅供參考！呃，對了，Hinton當時研究神經網路也算是逆流而行了吧，現在呢，嘿嘿。

大家加油～

6樓：

我也是被導師分配到這個方向....初步了解了snn之後感覺這個東西太玄學了....然後對該方向沒有太大興趣，準備看看之後能不能跟導師商量著換個方向....

7樓：

這個方向基本上是幾位大佬水文章騙經費的。

SNN目前尚未有如SGD一樣高效且泛用的監督學習演算法，並且應用效果也遠不如人工神經網路。

而理論上spiking neuron的低功耗高計算能力的優勢，在目前的計算機體系下是沒有辦法體現的。甚至從根本上看，我們的計算機體系並不適合脈衝這種表達形式。

總的來說，SNN基本上可以說是一種toy model，應用前景和模型效能目前都看不出有超過人工神經網路的地方。

所以，強烈建議換個研究方向，做點cv nlp這種好找工作的研究。