WAP手机版 RSS订阅 加入收藏  设为首页
利记
当前位置:首页 > 利记

利记:这种脉冲神经网络可以在称为神经形态硬件的芯片中实现

时间:2023/5/10 20:17:55   作者:   来源:   阅读:2   评论:0
内容摘要:这种脉冲神经网络可以在称为神经形态硬件的芯片中实现,有望使人工智能程序更接近用户。该解决方案有助于保护从设备语音识别、医疗监控、无人机导航到本地监控设备等应用程序的隐私、健壮性和响应性。利记就像标准的人工神经网络一样,尖峰神经网络也需要经过训练才能顺利执行这些任务。然而,这种形式的网络交流也带来了严峻的训练挑战,因为它...

这种脉冲神经网络可以在称为神经形态硬件的芯片中实现,有望使人工智能程序更接近用户。该解决方案有助于保护从设备语音识别、医疗监控、无人机导航到本地监控设备等应用程序的隐私、健壮性和响应性。利记

就像标准的人工神经网络一样,尖峰神经网络也需要经过训练才能顺利执行这些任务。然而,这种形式的网络交流也带来了严峻的训练挑战,因为它们无法与人脑的学习能力相提并论:大脑可以很容易地从新的经验中学习,改变连接,甚至建立新的连接;大脑只需要很少的“模板”,却能学到很多东西;在学习新事物时,大脑也非常高效。

为了接近人类大脑,新的在线学习算法直接从数据中学习,从而实现更大的峰值神经网络。在研究人员的演示中,底层的spike神经网络SPYv4经过训练,可以区分阿姆斯特丹繁忙街道上的骑车者、步行者和汽车,并准确指出他们的位置。

此前,研究人员表示,他们可以训练超过1万个神经元的神经网络;现在,他们也可以很容易地训练超过600万个神经元的网络。

借助基于脉冲神经网络的强大人工智能解决方案,研究人员正在开发能够以极低功耗运行这些人工智能程序的芯片,这些芯片最终将出现在许多智能设备中,如助听器和增强/虚拟现实眼镜。

现代人工神经网络是当前人工智能革命的支柱,但它们实际上是受真实生物神经元网络(如人类大脑)启发的产品。可以肯定的是,大脑是当今任何人工智能都无法比拟的——它的网络更大,工作效率更高,在受到外部事件触发时反应更快。如何更接近真正的大脑?这是为了更真实地模拟生物神经元的工作。科学家们发现,人类神经系统中的神经元通过交换电脉冲进行交流,而脉冲神经网络通过模仿这一点,在本研究中成为一种特殊类型的神经网络。



本类更新

本类推荐

本类排行

本站所有站内信息仅供娱乐参考,不作任何商业用途,不以营利为目的,专注分享快乐,欢迎收藏本站!
所有信息均来自:百度一下(利记网址