主題簡介
新一代神經網路系統 SNN (Spiking Neural Network)，是神經科學與機器學習結合的另一個結晶，將重要的時間元素納入系統。它是尖端的機器學習工具、也是生物腦神經的模擬利器。本次活動將介紹：
- 生物上觀察到的學習機制：Spike-Time-Dependent-Plasticity。
- Reservoir Computing：a non-Turing-Machine approach of computation。
- 動態的監督學習演算法：如何讓神經元學習在指定的時間發射？
- Evolving SNN：藉改變神經網路結構進行學習。
- 模仿生物機制與腦神經結構的強化學習（Reinforcement Learning）實作。
- 整合現有監督式學習與非監督式學習的應用實作。
適合對象
- Developers of AI applications
- 希望在實際場景引入人工智慧應用者
- 對新一代神經網路系統SNN的研究與開源專案有興趣者
- 對神經模擬有興趣
- 對人工智慧有興趣者
如果您對「SNN脈衝神經網路」還沒有任何概念，建議參加活動前先看上次活動AGIT#3的錄影，以對SNN的運作有基本的概念。如有問題也歡迎在FB AGIT社團發問。
講者簡介
許世豪（Bali）
台大物理系／ 應用物理所畢業，前台積電製程整合工程師，現為Libgirl研發總監，負責團隊長期的AGI研究與中短期的SNN學習演算法開發。AI研究的技能養成十分「邊緣」，維根斯坦腦粉，喜歡Lisp和Rust；興趣是躲起來做研究不和人講話。
聚會流程
14:00~14:30 活動入場報到
14:30~14:45 開場及場地介紹
14:45~15:45 SNN小學堂
15:45~16:30 會後自由交流
活動資訊
- 主辦：Artificial General Intelligence Taiwan 台灣強人工智慧
- 費用：無
- 日期：2019/ 4 / 20 (六)
- 時間：14:30~16:30
- 地點：台北市中正區八德路一段 94 號 3F(摩茲工寮 Mozilla Community Space Taipei)
提醒
- 別忘了帶您的名片與開放的胸襟與大家交流討論
- 為盡力提供大家參與活動的機會，請勿重複報名。重複報名者，主辦單位將保留取消您票卷的權力。
- 現場備有開水，歡迎自備環保杯飲用
- 有任何問題歡迎來FB討論Artificial General Intelligence Taiwan 台灣強人工智慧
