一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

研究人員研制出人工樹突器件,構(gòu)建新型新神經(jīng)網(wǎng)絡(luò)

如意 ? 來源:知社學(xué)術(shù)圈 ? 作者:知社學(xué)術(shù)圈 ? 2020-07-05 11:39 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

受生物神經(jīng)網(wǎng)絡(luò)啟發(fā),研制出一種具有豐富動(dòng)態(tài)特性的人工樹突器件,構(gòu)建了包含突觸、樹突、胞體三種基本計(jì)算單元的新型神經(jīng)網(wǎng)絡(luò),樹突功能顯著提升了網(wǎng)絡(luò)的準(zhǔn)確率,同時(shí)大幅降低了系統(tǒng)的功耗,增強(qiáng)了網(wǎng)絡(luò)處理復(fù)雜任務(wù)的能力。

包含樹突計(jì)算的新型人工神經(jīng)網(wǎng)絡(luò)示意圖生物神經(jīng)網(wǎng)絡(luò)由突觸和神經(jīng)元組成,而神經(jīng)元又包含樹突、胞體等基本結(jié)構(gòu),其中樹突具有非常復(fù)雜的拓?fù)浣Y(jié)構(gòu)和動(dòng)態(tài)過程。許多生物神經(jīng)系統(tǒng)的研究表明樹突具有十分重要的非線性時(shí)空信息處理功能,它是大腦能夠在處理復(fù)雜任務(wù)的同時(shí)保持低功耗的重要原因之一。當(dāng)前的人工神經(jīng)網(wǎng)絡(luò)大多將神經(jīng)元用簡單的點(diǎn)模型表示,將其計(jì)算功能簡化成積分-發(fā)放(integrate-and-fire),而忽略了樹突的信息處理功能。這樣的簡化使得人工神經(jīng)網(wǎng)絡(luò)在功耗、靈活性上與生物神經(jīng)網(wǎng)絡(luò)相比仍存在很大的差距。

6月29日,清華大學(xué)微電子所、未來芯片技術(shù)高精尖創(chuàng)新中心錢鶴、吳華強(qiáng)教授團(tuán)隊(duì),聯(lián)合清華大學(xué)醫(yī)學(xué)院及腦與智能實(shí)驗(yàn)室宋森研究員、美國麻省大學(xué)楊建華教授、阿里巴巴達(dá)摩院謝源教授、加州大學(xué)圣芭芭拉分校鄧?yán)诓┦浚贜ature Nanotechnology上發(fā)表題為“Power-Efficient Neural Network with Artificial Dendrites”的研究論文,報(bào)道了基于動(dòng)態(tài)憶阻器的人工樹突器件,成功復(fù)現(xiàn)了生物樹突對(duì)信號(hào)的非線性過濾、積分以及對(duì)時(shí)間信號(hào)的處理方式。

為了驗(yàn)證人工樹突的計(jì)算功能,研究團(tuán)隊(duì)將所開發(fā)的人工樹突器件與導(dǎo)電細(xì)絲型突觸器件、Mott相變型胞體器件進(jìn)行系統(tǒng)集成,構(gòu)建了包含突觸、樹突、胞體三種基本計(jì)算單元的新型神經(jīng)網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果顯示,由于樹突功能的引入,該網(wǎng)絡(luò)在處理具有復(fù)雜背景噪聲的街景門牌號(hào)(SVHN)數(shù)據(jù)集時(shí),胞體的動(dòng)態(tài)功耗降低30倍,網(wǎng)絡(luò)的準(zhǔn)確率提高8%以上,系統(tǒng)評(píng)估整體功耗比CPU降低3個(gè)數(shù)量級(jí)。來自清華大學(xué)微電子所的吳華強(qiáng)教授是該論文的通訊作者,李辛毅博士、唐建石助理教授和張清天博士是共同第一作者。

近年來,錢鶴、吳華強(qiáng)教授團(tuán)隊(duì)長期致力于基于憶阻器的存算一體芯片技術(shù)研究,從器件性能優(yōu)化、工藝集成、電路設(shè)計(jì)及架構(gòu)與算法等多層次實(shí)現(xiàn)創(chuàng)新突破,相關(guān)研究成果發(fā)表于Nature、Nature electronics、Nature Communications、Advanced Materials等頂級(jí)期刊和ISSCC、IEDM、VLSI等領(lǐng)域內(nèi)頂級(jí)國際學(xué)術(shù)會(huì)議上。

研究人員研制出人工樹突器件,構(gòu)建新型新神經(jīng)網(wǎng)絡(luò)

受生物啟發(fā)制備的新原理樹突器件,復(fù)現(xiàn)了生物樹突對(duì)信號(hào)的非線性過濾、積分等功能

研究人員研制出人工樹突器件,構(gòu)建新型新神經(jīng)網(wǎng)絡(luò)

集成了突觸、樹突、胞體三種計(jì)算單元的新型人工神經(jīng)網(wǎng)絡(luò),在SVHN數(shù)據(jù)集上驗(yàn)證了功耗和準(zhǔn)確率上的顯著優(yōu)勢

該工作的主要?jiǎng)?chuàng)新之處包括:

開發(fā)出了與CMOS工藝兼容的樹突器件,其豐富的動(dòng)態(tài)特性復(fù)現(xiàn)了生物樹突單元的非線性過濾、積分以及對(duì)時(shí)間信息處理等功能。

將所制備的人工樹突器件和基于導(dǎo)電細(xì)絲的突觸器件、基于Mott相變的胞體器件進(jìn)行集成,首次在硬件系統(tǒng)上構(gòu)建了包含突觸、樹突、胞體三種基本計(jì)算單元的新型人工神經(jīng)網(wǎng)絡(luò)。

在包含復(fù)雜背景噪聲的街景門牌號(hào)數(shù)據(jù)集(SVHN dataset)上,對(duì)包含樹突計(jì)算的人工神經(jīng)網(wǎng)絡(luò)功能進(jìn)行了驗(yàn)證。樹突功能的引入將胞體的動(dòng)態(tài)功耗降低30倍,同時(shí)將網(wǎng)絡(luò)準(zhǔn)確率提高了8%以上,系統(tǒng)評(píng)估整體能耗比CPU降低3個(gè)數(shù)量級(jí)。

該研究基于新原理憶阻器的豐富動(dòng)態(tài)過程開發(fā)了神經(jīng)形態(tài)樹突器件,并進(jìn)一步驗(yàn)證了新型人工神經(jīng)網(wǎng)絡(luò)的功能。未來通過器件、算法、電路、架構(gòu)的協(xié)同創(chuàng)新與優(yōu)化,有望進(jìn)一步提高包含樹突計(jì)算的人工神經(jīng)網(wǎng)絡(luò)處理復(fù)雜時(shí)空任務(wù)的能力,構(gòu)建更加智能化的低功耗神經(jīng)網(wǎng)絡(luò)。

該研究工作得到了國家自然科學(xué)基金委、國家重點(diǎn)研發(fā)計(jì)劃、北京市科委、北京信息科學(xué)與技術(shù)國家研究中心等支持。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究

    摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    ,在一定程度上擴(kuò)展了轉(zhuǎn)速估計(jì)范圍。 純分享帖,需要者可點(diǎn)擊附件免費(fèi)獲取完整資料~~~*附件:神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究.pdf【免責(zé)聲明】本文系網(wǎng)絡(luò)轉(zhuǎn)載,版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)
    發(fā)表于 06-16 21:54

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?673次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析

    自學(xué)習(xí)能力 : BP神經(jīng)網(wǎng)絡(luò)能夠通過訓(xùn)練數(shù)據(jù)自動(dòng)調(diào)整網(wǎng)絡(luò)參數(shù),實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的分類、回歸等任務(wù),無需人工進(jìn)行復(fù)雜的特征工程。 泛化能力強(qiáng) : BP神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練數(shù)據(jù)學(xué)習(xí)到的特征表示
    的頭像 發(fā)表于 02-12 15:36 ?926次閱讀

    深度學(xué)習(xí)入門:簡單神經(jīng)網(wǎng)絡(luò)構(gòu)建與實(shí)現(xiàn)

    深度學(xué)習(xí)中,神經(jīng)網(wǎng)絡(luò)是核心模型。今天我們用 Python 和 NumPy 構(gòu)建一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成,
    的頭像 發(fā)表于 01-23 13:52 ?531次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中,我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工
    的頭像 發(fā)表于 01-09 10:24 ?1203次閱讀
    <b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    ANN神經(jīng)網(wǎng)絡(luò)——器件建模

    隨著半導(dǎo)體行業(yè)的新材料、新工藝、新器件的不斷發(fā)展,人工神經(jīng)網(wǎng)絡(luò)作為一種替代方法已經(jīng)被引入器件建模領(lǐng)域。本文介紹了ANN神經(jīng)網(wǎng)絡(luò)建模的起源、優(yōu)
    的頭像 發(fā)表于 01-06 13:41 ?1003次閱讀
    ANN<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>——<b class='flag-5'>器件</b>建模

    基于光學(xué)衍射神經(jīng)網(wǎng)絡(luò)的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)研究

    隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展,光學(xué)神經(jīng)網(wǎng)絡(luò)(ONN)的研究受到廣泛關(guān)注。研究人員從衍射光學(xué)、散射光、光干涉以及光學(xué)傅里葉變換等基礎(chǔ)理論出發(fā),利用各種光學(xué)設(shè)備及材料成功實(shí)現(xiàn)了
    的頭像 發(fā)表于 12-07 17:39 ?2815次閱讀
    基于光學(xué)衍射<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的軌道角動(dòng)量復(fù)用全息技術(shù)的設(shè)計(jì)與實(shí)驗(yàn)<b class='flag-5'>研究</b>

    卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)工具與框架

    卷積神經(jīng)網(wǎng)絡(luò)因其在圖像和視頻處理任務(wù)中的卓越性能而廣受歡迎。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展,多種實(shí)現(xiàn)工具和框架應(yīng)運(yùn)而生,為研究人員和開發(fā)者提供了強(qiáng)大的支持。 TensorFlow 概述
    的頭像 發(fā)表于 11-15 15:20 ?672次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 11-15 14:53 ?1878次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(前饋神經(jīng)網(wǎng)絡(luò)) 2.1 結(jié)構(gòu) 傳統(tǒng)神經(jīng)網(wǎng)絡(luò),通常指的是前饋神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Networks, FNN),是一種最簡單的
    的頭像 發(fā)表于 11-15 09:42 ?1133次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    不熟悉神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí),或者想了解神經(jīng)網(wǎng)絡(luò)如何優(yōu)化加速實(shí)驗(yàn)研究,請(qǐng)繼續(xù)閱讀,探索基于深度學(xué)習(xí)的現(xiàn)代智能化實(shí)驗(yàn)的廣闊應(yīng)用前景。什么是神經(jīng)網(wǎng)絡(luò)?“人工
    的頭像 發(fā)表于 11-01 08:06 ?667次閱讀
    Moku<b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    matlab 神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14

    如何選擇神經(jīng)網(wǎng)絡(luò)種類

    人工智能和機(jī)器學(xué)習(xí)領(lǐng)域,選擇適合的神經(jīng)網(wǎng)絡(luò)種類是構(gòu)建高效、準(zhǔn)確模型的關(guān)鍵步驟。這一過程涉及對(duì)任務(wù)類型、數(shù)據(jù)特性、計(jì)算資源及模型性能要求等多方面的綜合考慮。
    的頭像 發(fā)表于 07-24 11:29 ?1200次閱讀

    UNet模型屬于哪種神經(jīng)網(wǎng)絡(luò)

    U-Net模型屬于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)的一種特殊形式 。它最初由德國弗萊堡大學(xué)計(jì)算機(jī)科學(xué)系的研究人員在2015年提出,專為生物醫(yī)學(xué)圖像
    的頭像 發(fā)表于 07-24 10:59 ?5559次閱讀