title:"Spiking neural networks, computazione e Intel"
text:|
Una SNN è un implementazione in silico di una rete neurale biologica (che invece ha bisogno di sangue, cellule di supporto, neurotrasmettitorii, etc...). A differenza delle ANN, le SNN sono definite in tempo continuo e consistono nell'integrazione di una equazione differenziale, sono più complesse per via del comportamento quasi caotico e della variabilità delle singole unità (i neuroni). La simulazione di questi sistemi su architetture tradizionali è estremamente costosa, tuttavia negli ultimi anni sono state sviluppate tecnologie che implementano queste eqs. differenziali su substrati analogici. Le SNN sono intrinsecamente parallele e sono il modello computazionale del sistema più efficiente conosciuto -il cervello- in termini di capacità di elaborazione/costo energetico, ma soprattutto sono molto promettenti nell'ambito del Machine Learning. Queste prospettive sono molto invitanti e per le industrie dell'IT.
Nel talk,
1. I neuroni, le sinapsi, e gli spikes:una boccata di neuroscienze computazionali.
2. Alcuni algoritmi recenti per l'applicazione delle medesime in ML,
3. Substrati analogici per le SNN, alcuni esempi.
4. Perché fanno gola all'industria Hi-Tech?
# Se ancora non è stata assegnata una stanza al talk, commentala. Non usare un valore tipo "qualunque" o
# cose del genere, che ci si incasina tutto
room:C
# duration è la durata in minuti del talk
duration:120
# Ci vanno le virgolette intorno! altrimenti 17.30 viene interpretato come un numero decimale
