chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(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)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,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)于一個小型哺乳動物大腦

工程師鄧生 ? 來源: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”,只需單一樣本就可以學(xué)會識別每一種氣味,識別準(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1億個神經(jīng)元的計算能力,這套基于云的系統(tǒng)可解決更大規(guī)模、更復(fù)雜的問題。

1億個神經(jīng)元是什么概念?一只瓢蟲的大腦約有25-50萬個神經(jīng)元,蟑螂大腦約有100萬個,斑馬魚大腦約有1000萬個,1億個神經(jīng)元則相當(dāng)于一個小型哺乳動物大腦的規(guī)模。

Pohoiki Springs是一個數(shù)據(jù)中心機(jī)架式系統(tǒng),在一個5臺標(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,同時功耗不到500瓦。

Intel Loihi處理器的設(shè)計思路來源于人腦,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,可用于評估解決AI問題以及一系列計算難題的潛力,與當(dāng)今最先進(jìn)的傳統(tǒng)計算機(jī)相比,擁有超級并行性和異步信號傳輸能力,可以在明顯降低功耗的同時顯著提升性能。

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,為需要實時、動態(tài)的數(shù)據(jù)處理新方法的自主、互聯(lián)的未來奠定了基礎(chǔ)。

不過,Pohoiki Springs等神經(jīng)擬態(tài)系統(tǒng)仍處于研究階段,其設(shè)計目的也并非取代傳統(tǒng)的計算系統(tǒng),而是為研究人員提供一個工具,開發(fā)和表征新的神經(jīng)啟發(fā)算法,用于實時處理、問題解決、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算問題,比如很多昆蟲大腦的神經(jīng)元數(shù)目遠(yuǎn)低于100萬個,但它們卻能實時視覺跟蹤物體、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由兩個具有262000個神經(jīng)元的Loihi芯片組成,支持各種實時邊緣工作負(fù)載,而且多才多藝:實時識別手勢、使用新型人造皮膚閱讀盲文、使用習(xí)得的視覺地標(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,而在運行更大規(guī)模的問題時,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)計算小科普:

傳統(tǒng)的CPUGPU等通用處理器特別擅長人類難以完成的任務(wù),如高精度的數(shù)學(xué)計算,但隨著技術(shù)的作用和應(yīng)用范圍都在不斷擴(kuò)大,從自動化到人工智能,以及其他更多領(lǐng)域,越來越要求計算機(jī)的操作模式趨向于人類,以便實時處理非結(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)對這一挑戰(zhàn),新的專用架構(gòu)應(yīng)運而生。

神經(jīng)擬態(tài)計算是對計算機(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)的最新見解,來創(chuàng)造作用方式更類似于人腦的芯片而非傳統(tǒng)計算機(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和未來的神經(jīng)擬態(tài)處理器將定義一種新的可編程計算模式,可滿足世界對普及型智能設(shè)備日益增長的需求。

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,請聯(lián)系本站處理。 舉報投訴
  • 芯片
    +關(guān)注

    關(guān)注

    462

    文章

    53557

    瀏覽量

    459311
  • intel
    +關(guān)注

    關(guān)注

    19

    文章

    3506

    瀏覽量

    190574
  • 神經(jīng)元
    +關(guān)注

    關(guān)注

    1

    文章

    369

    瀏覽量

    19111
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

    評論

    相關(guān)推薦
    熱點推薦

    神經(jīng)元設(shè)備和腦機(jī)接口有何淵源?

    HUIYING神經(jīng)元設(shè)備的發(fā)展歷程概述神經(jīng)元設(shè)備的發(fā)展經(jīng)歷了從基礎(chǔ)信號檢測到多功能智能集成的演進(jìn)過程。自1920年代腦電圖(EEG)信號首次被發(fā)現(xiàn)以來,神經(jīng)電極技術(shù)逐步發(fā)展,如1957年出現(xiàn)的鎢微絲
    的頭像 發(fā)表于 11-03 18:03 ?1165次閱讀
    <b class='flag-5'>神經(jīng)元</b>設(shè)備和腦機(jī)接口有何淵源?

    激活函數(shù)ReLU的理解與總結(jié)

    激活函數(shù)的作用 神經(jīng)網(wǎng)絡(luò)中使用激活函數(shù)來加入非線性因素,提高模型的表達(dá)能力。 如果不用激勵函數(shù)(其實相當(dāng)于激勵函數(shù)是f(x) = x),在這種情況下你每層節(jié)點的輸入都是上層輸出的線性函數(shù),很
    發(fā)表于 10-31 06:16

    脈沖神經(jīng)元模型的硬件實現(xiàn)

    時,I_i等于1,否則 I_i等于0。當(dāng)膜電位超過閾值,神經(jīng)元發(fā)出脈沖,然后膜電位變?yōu)殪o息電位vrest,并且膜電位在段時間內(nèi)不允許改變時間,稱為不應(yīng)期。如果膜電位沒有超過閾值,膜電位呈指數(shù)衰減直到為靜
    發(fā)表于 10-24 08:27

    SNN加速器內(nèi)部神經(jīng)元數(shù)據(jù)連接方式

    系統(tǒng),圖中1到N方塊分別表示N神經(jīng)元,每當(dāng)發(fā)送端側(cè)的神經(jīng)元產(chǎn)生
    發(fā)表于 10-24 07:34

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的
    的頭像 發(fā)表于 09-28 10:03 ?708次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)</b>網(wǎng)絡(luò)(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)</b>網(wǎng)絡(luò)

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+神經(jīng)形態(tài)計算、類腦芯片

    幾年神經(jīng)元計算及類腦芯片的重大進(jìn)展。 、云端使用的神經(jīng)形態(tài)計算與類腦芯片 神經(jīng)形態(tài)計算旨在設(shè)計和構(gòu)建包括硬件和軟件在內(nèi)的計算機(jī)系統(tǒng),通過模
    發(fā)表于 09-17 16:43

    神經(jīng)擬態(tài)類腦計算機(jī)“悟空”發(fā)布,神經(jīng)元數(shù)量超20億

    電子發(fā)燒友網(wǎng)綜合報道 8月2日,浙江大學(xué)腦機(jī)智能全國重點實驗室發(fā)布新神經(jīng)擬態(tài)類腦計算機(jī)——Darwin Monkey(中文名“悟空”)。 ? “悟空”堪稱國際首臺神經(jīng)元
    的頭像 發(fā)表于 08-06 07:57 ?7282次閱讀
    新<b class='flag-5'>一</b>代<b class='flag-5'>神經(jīng)</b><b class='flag-5'>擬態(tài)</b>類腦計算機(jī)“悟空”發(fā)布,<b class='flag-5'>神經(jīng)元</b>數(shù)量超20億

    無刷直流電機(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)對實時性的要求。 純分享帖,點擊下方附件免費獲取完整資料~~~ *附件:無刷直流電機(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

    無刷直流電機(jī)單神經(jīng)元PI控制器的設(shè)計

    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)用于無刷直流電機(jī)調(diào)速系統(tǒng)中??刂破鲗崿F(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

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

    ,僅作為數(shù)據(jù)輸入的接口。輸入層的神經(jīng)元個數(shù)通常與輸入數(shù)據(jù)的特征數(shù)量相對應(yīng)。 隱藏層 :對輸入信號進(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 ?1259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。 每層都由若干個神經(jīng)元構(gòu)成,神經(jīng)元之間通過權(quán)重連接。信號在神經(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 ?1324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程。具體來說,輸入層的信號經(jīng)過加權(quán)和運算后傳遞給隱藏層,隱藏層的神經(jīng)元接收來自前層的信號,經(jīng)過激活函數(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 ?1470次閱讀

    電容充電時相當(dāng)于短路嗎_電容充電原理

    電容在充電時并不相當(dāng)于短路,而是逐漸積累電荷的過程。當(dāng)電容器連接到電源兩端時,電源開始對電容器進(jìn)行充電。在這個過程中,電容器兩極板之間的電壓逐漸上升,直到達(dá)到電源的電動勢為止。同時,流過電容器的電流會逐漸減小,直至趨于零。
    的頭像 發(fā)表于 01-27 11:34 ?3543次閱讀

    深度學(xué)習(xí)入門:簡單神經(jīng)網(wǎng)絡(luò)的構(gòu)建與實現(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)建簡單的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)由多個
    的頭像 發(fā)表于 01-23 13:52 ?853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 ?2266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