数据获取方式
人工标注，or 自然方式（摄像头，麦克风）
数据类型：
是否多模态， 序列数据 ，视频，语音
是否抽象过：raw原始sensor视频或语音，or 抽象过：高级语义变量，语言单词（GPT），
目标 loss
自由能，强化学习，监督，无监督，
优化方法 权重修改
机制： 贝叶斯，
深度学习BP，
hebbian（ soft hebb，hard hebb， activehebb）
生物算法
噪声是否是利弊？
是否多模态：
处理方式：在线增量学习 or 离线批量学习
架构 信息流动方式
架构生成方式： 随机生成后可否裁剪及扩容？
固定模式生成无法扩容
网络容量能否：按需扩容
信息流向： 自上而下，自下而上， 侧向抑制 循环加强。
概率计算效率： PCs 线性时间 or 指数时间
网络拓扑结构：随机，cnn，RNN，PCs 等
硬件实现难易：
功耗
算存一体？
应用：
文图生成，与人互动
机器人，直接环境互动（直接肌肉控制）
相关推荐：
神经科学的深度学习框架
Activation Learning by Local Competition 代码
Self-building Neural Networks 代码
一个epoch打天下：深度Hebbian BP (华为实验室)
神经突触算法结构图大全(13篇论文汇总)
在突触学习和计算目标之间建立精确关系的框架
树突脉冲神经元 开源模拟框架
人、鼠神经细胞差异对比 及神经元计算建模
大脑中复杂适应动力学的神经调节控制
DhPC 一个脉冲脑皮质计算理论
生物躯体稳态控制的第一原理
代码Unsup Visual Dynamics Simulation with Object-Centric Models
