摘要翻译：
由两态神经元构建的人工神经网络是强大的计算基础，其计算能力可以通过与统计力学的类比来理解。在这项工作中，我们在固定时间窗内尖峰神经元的情况下引入了类似的类比，其中来自泊松分布的兴奋性和抑制性输入扮演温度的角色。对于在输入和尖峰阈值之间有“带隙”的单个神经元，这个温度允许随机尖峰。通过在固定的时间窗上施加一个全局抑制性节律，我们将神经元连接成一个表现出同步的、类似于神经网络的时钟更新的网络。我们实现了一个单层玻尔兹曼机，无需学习来演示我们的模型。
---
英文标题：
《The thermodynamic temperature of a rhythmic spiking network》
---
作者：
Paul Merolla, Tristan Ursell, John Arthur
---
最新提交年份：
2010
---
分类信息：

一级分类：Computer Science        计算机科学
二级分类：Neural and Evolutionary Computing        神经与进化计算
分类描述：Covers neural networks, connectionism, genetic algorithms, artificial life, adaptive behavior. Roughly includes some material in ACM Subject Class C.1.3, I.2.6, I.5.
涵盖神经网络，连接主义，遗传算法，人工生命，自适应行为。大致包括ACM学科类C.1.3、I.2.6、I.5中的一些材料。
--
一级分类：Computer Science        计算机科学
二级分类：Artificial Intelligence        人工智能
分类描述：Covers all areas of AI except Vision, Robotics, Machine Learning, Multiagent Systems, and Computation and Language (Natural Language Processing), which have separate subject areas. In particular, includes Expert Systems, Theorem Proving (although this may overlap with Logic in Computer Science), Knowledge Representation, Planning, and Uncertainty in AI. Roughly includes material in ACM Subject Classes I.2.0, I.2.1, I.2.3, I.2.4, I.2.8, and I.2.11.
涵盖了人工智能的所有领域，除了视觉、机器人、机器学习、多智能体系统以及计算和语言（自然语言处理），这些领域有独立的学科领域。特别地，包括专家系统，定理证明（尽管这可能与计算机科学中的逻辑重叠），知识表示，规划，和人工智能中的不确定性。大致包括ACM学科类I.2.0、I.2.1、I.2.3、I.2.4、I.2.8和I.2.11中的材料。
--
一级分类：Quantitative Biology        数量生物学
二级分类：Neurons and Cognition        神经元与认知
分类描述：Synapse, cortex, neuronal dynamics, neural network, sensorimotor control, behavior, attention
突触，皮层，神经元动力学，神经网络，感觉运动控制，行为，注意
--

---
英文摘要：
  Artificial neural networks built from two-state neurons are powerful computational substrates, whose computational ability is well understood by analogy with statistical mechanics. In this work, we introduce similar analogies in the context of spiking neurons in a fixed time window, where excitatory and inhibitory inputs drawn from a Poisson distribution play the role of temperature. For single neurons with a "bandgap" between their inputs and the spike threshold, this temperature allows for stochastic spiking. By imposing a global inhibitory rhythm over the fixed time windows, we connect neurons into a network that exhibits synchronous, clock-like updating akin to neural networks. We implement a single-layer Boltzmann machine without learning to demonstrate our model.
---
PDF链接：
https://arxiv.org/pdf/1009.5473