99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

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

Intel宣布最新神經(jīng)擬態(tài)研究系統(tǒng)“Pohoiki Springs”已準(zhǔn)備就緒 神經(jīng)元規(guī)模相當(dāng)于一個(gè)小型哺乳動(dòng)物大腦

工程師鄧生 ? 來(lái)源:快科技 ? 作者:上方文Q ? 2020-03-19 13:53 ? 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

Intel在神經(jīng)擬態(tài)前沿研究上不斷取得重大突破。日前,Intel Loihi神經(jīng)擬態(tài)研究芯片擁有了“嗅覺(jué)”,只需單一樣本就可以學(xué)會(huì)識(shí)別每一種氣味,識(shí)別準(zhǔn)確率極其出色,效率是傳統(tǒng)深度學(xué)習(xí)方案的3000倍以上。

今天,Intel又宣布,迄今規(guī)模最大、性能最強(qiáng)的最新神經(jīng)擬態(tài)研究系統(tǒng)“Pohoiki Springs”已準(zhǔn)備就緒,可提供1億個(gè)神經(jīng)元的計(jì)算能力,這套基于云的系統(tǒng)可解決更大規(guī)模、更復(fù)雜的問(wèn)題。

1億個(gè)神經(jīng)元是什么概念?一只瓢蟲的大腦約有25-50萬(wàn)個(gè)神經(jīng)元,蟑螂大腦約有100萬(wàn)個(gè),斑馬魚大腦約有1000萬(wàn)個(gè),1億個(gè)神經(jīng)元?jiǎng)t相當(dāng)于一個(gè)小型哺乳動(dòng)物大腦的規(guī)模。

Pohoiki Springs是一個(gè)數(shù)據(jù)中心機(jī)架式系統(tǒng),在一個(gè)5臺(tái)標(biāo)準(zhǔn)服務(wù)器大小的機(jī)箱中,集成了多達(dá)768塊Loihi神經(jīng)擬態(tài)研究芯片,規(guī)模比以往擴(kuò)展了750倍以上,同時(shí)功耗不到500瓦。

Intel Loihi處理器的設(shè)計(jì)思路來(lái)源于人腦,能用比傳統(tǒng)處理器快1000倍的速度、高10000倍的效率,處理特定要求的工作負(fù)載。

Pohoiki Springs則是擴(kuò)展Loihi架構(gòu)的下一步,可用于評(píng)估解決AI問(wèn)題以及一系列計(jì)算難題的潛力,與當(dāng)今最先進(jìn)的傳統(tǒng)計(jì)算機(jī)相比,擁有超級(jí)并行性和異步信號(hào)傳輸能力,可以在明顯降低功耗的同時(shí)顯著提升性能。

Intel強(qiáng)調(diào),這是在向支持更大、更復(fù)雜的神經(jīng)擬態(tài)工作負(fù)載的道路上邁出的重要一步,為需要實(shí)時(shí)、動(dòng)態(tài)的數(shù)據(jù)處理新方法的自主、互聯(lián)的未來(lái)奠定了基礎(chǔ)。

不過(guò),Pohoiki Springs等神經(jīng)擬態(tài)系統(tǒng)仍處于研究階段,其設(shè)計(jì)目的也并非取代傳統(tǒng)的計(jì)算系統(tǒng),而是為研究人員提供一個(gè)工具,開(kāi)發(fā)和表征新的神經(jīng)啟發(fā)算法,用于實(shí)時(shí)處理、問(wèn)題解決、適應(yīng)和學(xué)習(xí)。

在自然界中,即使是一些最小的生物也能解決極為困難的計(jì)算問(wèn)題,比如很多昆蟲大腦的神經(jīng)元數(shù)目遠(yuǎn)低于100萬(wàn)個(gè),但它們卻能實(shí)時(shí)視覺(jué)跟蹤物體、導(dǎo)航和躲避障礙物。

同樣,Intel最小的神經(jīng)擬態(tài)系統(tǒng)Kapoho Bay由兩個(gè)具有262000個(gè)神經(jīng)元的Loihi芯片組成,支持各種實(shí)時(shí)邊緣工作負(fù)載,而且多才多藝:實(shí)時(shí)識(shí)別手勢(shì)、使用新型人造皮膚閱讀盲文、使用習(xí)得的視覺(jué)地標(biāo)確定方向、學(xué)習(xí)新的氣味模式。

更驚人的是,所有這些功能都只需要消耗數(shù)十毫瓦的電能。

迄今為止,這些小規(guī)模示例都顯示了出極好的可擴(kuò)展性,而在運(yùn)行更大規(guī)模的問(wèn)題時(shí),Loihi比傳統(tǒng)解決方案更加快速高效,這模仿了自然界中從昆蟲大腦到人類大腦的可擴(kuò)展性。

神經(jīng)擬態(tài)計(jì)算小科普:

傳統(tǒng)的CPUGPU等通用處理器特別擅長(zhǎng)人類難以完成的任務(wù),如高精度的數(shù)學(xué)計(jì)算,但隨著技術(shù)的作用和應(yīng)用范圍都在不斷擴(kuò)大,從自動(dòng)化到人工智能,以及其他更多領(lǐng)域,越來(lái)越要求計(jì)算機(jī)的操作模式趨向于人類,以便實(shí)時(shí)處理非結(jié)構(gòu)化和有噪聲的數(shù)據(jù),并不斷地適應(yīng)變化。

為應(yīng)對(duì)這一挑戰(zhàn),新的專用架構(gòu)應(yīng)運(yùn)而生。

神經(jīng)擬態(tài)計(jì)算是對(duì)計(jì)算機(jī)架構(gòu)自下而上的徹底顛覆,其目標(biāo)是應(yīng)用神經(jīng)科學(xué)的最新見(jiàn)解,來(lái)創(chuàng)造作用方式更類似于人腦的芯片而非傳統(tǒng)計(jì)算機(jī)的芯片。

而神經(jīng)擬態(tài)系統(tǒng),在硬件層面上復(fù)制了神經(jīng)元組織、通信和學(xué)習(xí)方式。

Intel認(rèn)為,Loihi和未來(lái)的神經(jīng)擬態(tài)處理器將定義一種新的可編程計(jì)算模式,可滿足世界對(duì)普及型智能設(shè)備日益增長(zhǎng)的需求。

責(zé)任編輯:wv

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(chǎng)。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(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 芯片
    +關(guān)注

    關(guān)注

    460

    文章

    52506

    瀏覽量

    440828
  • intel
    +關(guān)注

    關(guān)注

    19

    文章

    3496

    瀏覽量

    188448
  • 神經(jīng)元
    +關(guān)注

    關(guān)注

    1

    文章

    368

    瀏覽量

    18837
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(wú)刷直流電機(jī)單神經(jīng)元自適應(yīng)智能控制系統(tǒng)

    常規(guī)PID,大大提高了系統(tǒng)的跟隨性,能滿足BLDCM系統(tǒng)對(duì)實(shí)時(shí)性的要求。 純分享帖,點(diǎn)擊下方附件免費(fèi)獲取完整資料~~~ *附件:無(wú)刷直流電機(jī)單神經(jīng)元自適應(yīng)智能控制系統(tǒng).pdf 【免責(zé)聲
    發(fā)表于 06-26 13:36

    無(wú)刷直流電機(jī)單神經(jīng)元PI控制器的設(shè)計(jì)

    摘要:研究種基于專家系統(tǒng)的單神經(jīng)元PI控制器,并將其應(yīng)用于無(wú)刷直流電機(jī)調(diào)速系統(tǒng)中??刂破鲗?shí)現(xiàn)了PI參數(shù)的在線調(diào)整,在具有PID控制器良好
    發(fā)表于 06-26 13:34

    ADS1298中drdy應(yīng)該是轉(zhuǎn)換數(shù)據(jù)準(zhǔn)備就緒的標(biāo)志輸出吧?

    drdy應(yīng)該是轉(zhuǎn)換數(shù)據(jù)準(zhǔn)備就緒的標(biāo)志輸出吧?問(wèn)題是這樣的,我將drdy接到MCU的p2.1端口,我在給予1298連續(xù)讀命令以后,通過(guò)判斷語(yǔ)句while(P2IN & BIT1
    發(fā)表于 02-13 07:03

    BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)原則

    ,僅作為數(shù)據(jù)輸入的接口。輸入層的神經(jīng)元個(gè)數(shù)通常與輸入數(shù)據(jù)的特征數(shù)量相對(duì)應(yīng)。 隱藏層 :對(duì)輸入信號(hào)進(jìn)行非線性變換,是神經(jīng)網(wǎng)絡(luò)的核心部分,負(fù)責(zé)學(xué)習(xí)輸入與輸出之間的復(fù)雜映射關(guān)系。隱藏層可以有層或多層,層數(shù)和
    的頭像 發(fā)表于 02-12 16:41 ?742次閱讀

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

    多層。 每層都由若干個(gè)神經(jīng)元構(gòu)成,神經(jīng)元之間通過(guò)權(quán)重連接。信號(hào)在神經(jīng)網(wǎng)絡(luò)中是前向傳播的,而誤差是反向傳播的。 卷積神經(jīng)網(wǎng)絡(luò)(CNN) :
    的頭像 發(fā)表于 02-12 15:53 ?665次閱讀

    如何訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型

    從輸入層向輸出層傳播的過(guò)程。具體來(lái)說(shuō),輸入層的信號(hào)經(jīng)過(guò)加權(quán)和運(yùn)算后傳遞給隱藏層,隱藏層的神經(jīng)元接收來(lái)自前層的信號(hào),經(jīng)過(guò)激活函數(shù)處理后再傳遞給下層,直到最終到達(dá)輸出層。每層的輸出都
    的頭像 發(fā)表于 02-12 15:10 ?917次閱讀

    電容充電時(shí)相當(dāng)于短路嗎_電容充電原理

    電容在充電時(shí)并不相當(dāng)于短路,而是個(gè)逐漸積累電荷的過(guò)程。當(dāng)電容器連接到電源兩端時(shí),電源開(kāi)始對(duì)電容器進(jìn)行充電。在這個(gè)過(guò)程中,電容器兩極板之間的電壓逐漸上升,直到達(dá)到電源的電動(dòng)勢(shì)為止。同時(shí),流過(guò)電容器的電流會(huì)逐漸減小,直至趨于零。
    的頭像 發(fā)表于 01-27 11:34 ?1829次閱讀

    深度學(xué)習(xí)入門:簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的構(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)建個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)由多個(gè)
    的頭像 發(fā)表于 01-23 13:52 ?528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

    所擬合的數(shù)學(xué)模型的形式受到大腦神經(jīng)元的連接和行為的啟發(fā),最初是為了研究大腦功能而設(shè)計(jì)的。然而,數(shù)據(jù)科學(xué)中常用的神經(jīng)網(wǎng)絡(luò)作為
    的頭像 發(fā)表于 01-09 10:24 ?1188次閱讀
    人工<b class='flag-5'>神經(jīng)</b>網(wǎng)絡(luò)的原理和多種<b class='flag-5'>神經(jīng)</b>網(wǎng)絡(luò)架構(gòu)方法

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

    神經(jīng)網(wǎng)絡(luò),也稱為全連接神經(jīng)網(wǎng)絡(luò)(Fully Connected Neural Networks,F(xiàn)CNs),其特點(diǎn)是每層的每個(gè)神經(jīng)元都與下
    的頭像 發(fā)表于 11-15 14:53 ?1869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
    的頭像 發(fā)表于 11-15 09:42 ?1125次閱讀

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    個(gè)小型網(wǎng)絡(luò),它包含個(gè)具有三個(gè)輸入的輸入層、
    發(fā)表于 10-24 13:56

    自感線圈在通電穩(wěn)定后相當(dāng)于什么

    的電流。自感線圈在電子電路中有著廣泛的應(yīng)用,如濾波、調(diào)諧、儲(chǔ)能等。 在通電穩(wěn)定后,自感線圈相當(dāng)于個(gè)電阻。這是因?yàn)樵谥绷麟娐分校愿芯€圈的自感作用幾乎可以忽略不計(jì),其對(duì)電流的阻礙作用主要表現(xiàn)為電阻。但是,自
    的頭像 發(fā)表于 08-29 15:15 ?3273次閱讀

    光遺傳學(xué) – 用光控制細(xì)胞和動(dòng)物

    的,電脈沖沿著每個(gè)神經(jīng)元傳遞。 電脈沖被稱為“動(dòng)作電位”。 在過(guò)去相當(dāng)長(zhǎng)的時(shí)間里,科學(xué)家們直使用微型電極向神經(jīng)元施加電脈沖,使神經(jīng)元按指令
    的頭像 發(fā)表于 08-23 06:24 ?497次閱讀
    光遺傳學(xué) – 用光控制細(xì)胞和<b class='flag-5'>動(dòng)物</b>

    Python自動(dòng)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)

    人工神經(jīng)網(wǎng)絡(luò)(ANN)是機(jī)器學(xué)習(xí)中種重要的模型,它模仿了人腦神經(jīng)元的工作方式,通過(guò)多層節(jié)點(diǎn)(神經(jīng)元)之間的連接和權(quán)重調(diào)整來(lái)學(xué)習(xí)和解決問(wèn)題。Python由于其強(qiáng)大的庫(kù)支持(如Tenso
    的頭像 發(fā)表于 07-19 11:54 ?702次閱讀