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

搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評(píng)論與回復(fù)
      VIP于 到期 續(xù)費(fèi)
      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(xiě)文章/發(fā)帖/加入社區(qū)
      會(huì)員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動(dòng)

      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

      重大突破！在光學(xué)芯片上直接訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)

      堅(jiān)白 ? 來(lái)源：電子發(fā)燒友網(wǎng) ? 作者：堅(jiān)白 ? 2019-03-05 13:26 ? 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

      斯坦福大學(xué)研究人員已經(jīng)證明，在光學(xué)芯片上直接訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)是可能的。這一重大突破表明，光學(xué)電路可以執(zhí)行基于電子技術(shù)的人工神經(jīng)網(wǎng)絡(luò)的關(guān)鍵功能，并且可以更便宜、更快和更節(jié)能的方式來(lái)執(zhí)行諸如語(yǔ)音或圖像識(shí)別等復(fù)雜任務(wù)。
      研究人員已經(jīng)證明，神經(jīng)網(wǎng)絡(luò)可以使用光學(xué)電路(圖中的藍(lán)色矩形)進(jìn)行訓(xùn)練。在整個(gè)網(wǎng)絡(luò)中，會(huì)有幾個(gè)連接在一起。激光輸入(綠色)信息，通過(guò)光學(xué)(黑色)芯片。該芯片使用非均勻波束執(zhí)行對(duì)人工神經(jīng)網(wǎng)絡(luò)至關(guān)重要的操作，它是由曲線段表示的。這些部分將兩個(gè)相鄰的部分連接在一起，并通過(guò)調(diào)整光學(xué)相位(紅色和藍(lán)色物體)的設(shè)置來(lái)調(diào)諧，它們的作用就像可以在訓(xùn)練期間調(diào)整以執(zhí)行給定任務(wù)的“轉(zhuǎn)軌”。這一研究結(jié)果由斯坦福大學(xué)研究組的Tyler W. Hughes所證明。
      “使用光學(xué)芯片比數(shù)字計(jì)算機(jī)更有效地執(zhí)行神經(jīng)網(wǎng)絡(luò)，可以解決更復(fù)雜的問(wèn)題?！彼固垢４髮W(xué)研究小組的Shanhui Fan說(shuō)。“例如，這將增強(qiáng)人工神經(jīng)網(wǎng)絡(luò)執(zhí)行自動(dòng)駕駛汽車(chē)所需任務(wù)的能力，或者對(duì)口頭問(wèn)題作出適當(dāng)?shù)姆磻?yīng)。它還能以我們現(xiàn)在無(wú)法想象的方式改善我們的生活?！?/div>
      人工神經(jīng)網(wǎng)絡(luò)是一種人工智能，它使用連接的單元以類(lèi)似于大腦處理信息的方式處理信息。使用這些網(wǎng)絡(luò)來(lái)執(zhí)行一個(gè)復(fù)雜的任務(wù)，例如語(yǔ)音識(shí)別，需要對(duì)算法進(jìn)行關(guān)鍵步驟的訓(xùn)練，以適應(yīng)不同的輸入，如不同的單詞。
      盡管光學(xué)人工神經(jīng)網(wǎng)絡(luò)最近被實(shí)驗(yàn)證明，但訓(xùn)練步驟是在傳統(tǒng)的數(shù)字計(jì)算機(jī)上使用一個(gè)模型進(jìn)行的，然后將最后的設(shè)置輸入到光學(xué)電路中。在光學(xué)學(xué)會(huì)的擁有很高影響力的研究雜志上，斯坦福大學(xué)報(bào)告了一種直接在設(shè)備中訓(xùn)練這些網(wǎng)絡(luò)的方法，這種方法是通過(guò)實(shí)現(xiàn)“光學(xué)模擬”算法來(lái)實(shí)現(xiàn)的，這是訓(xùn)練常規(guī)神經(jīng)網(wǎng)絡(luò)的標(biāo)準(zhǔn)方法。
      “使用物理設(shè)備而不是計(jì)算機(jī)模型進(jìn)行訓(xùn)練可以使訓(xùn)練過(guò)程更加精確?！盚ughes說(shuō)?！按送猓捎谟?xùn)練步驟是神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)過(guò)程中非常昂貴的部分，因此執(zhí)行這一步驟對(duì)于提高人工網(wǎng)絡(luò)的計(jì)算效率、速度和功耗至關(guān)重要?！?/div>
      基于光的網(wǎng)絡(luò)
      雖然神經(jīng)網(wǎng)絡(luò)處理通常使用傳統(tǒng)計(jì)算機(jī)執(zhí)行，但仍有大量工作要設(shè)計(jì)專(zhuān)門(mén)為神經(jīng)網(wǎng)絡(luò)計(jì)算而優(yōu)化的硬件?；诠鈱W(xué)的設(shè)備有很大的興趣，因?yàn)樗鼈兛梢圆⑿袌?zhí)行，同時(shí)使用比電子設(shè)備更少的能量。
      在這項(xiàng)新的工作中，研究人員通過(guò)設(shè)計(jì)一種傳統(tǒng)計(jì)算機(jī)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方法設(shè)計(jì)了一種光學(xué)芯片，這對(duì)實(shí)現(xiàn)全光神經(jīng)網(wǎng)絡(luò)提出了重大挑戰(zhàn)。
      一個(gè)人工神經(jīng)網(wǎng)絡(luò)可以被認(rèn)為是一個(gè)黑匣子，有大量的人工神經(jīng)網(wǎng)絡(luò)。在訓(xùn)練過(guò)程中，每個(gè)訓(xùn)練單元都會(huì)有一些變化，然后對(duì)系統(tǒng)進(jìn)行測(cè)試，看看算法的性能是否有所提高。
      “我們的方法不僅可以幫助你預(yù)測(cè)轉(zhuǎn)向哪個(gè)方向，而且還可以幫助你預(yù)測(cè)你應(yīng)該把每一種方法都轉(zhuǎn)化成更接近預(yù)期的性能。”Hughes說(shuō)?！拔覀兊姆椒ù蟠蠹涌炝擞?xùn)練的速度，特別是對(duì)于大型網(wǎng)絡(luò)，因?yàn)槲覀儾⑿械孬@得了關(guān)于每種方法的信息。”
      片上訓(xùn)練
      新的訓(xùn)練協(xié)議工作在光路上，通過(guò)改變光學(xué)相位的設(shè)置來(lái)調(diào)整光路。將待處理的激光束編碼信息發(fā)射到光路中，通過(guò)光束進(jìn)行光路傳輸，并對(duì)其進(jìn)行調(diào)整，以訓(xùn)練神經(jīng)網(wǎng)絡(luò)算法。
      在新的訓(xùn)練協(xié)議中，激光器首先通過(guò)光路輸入。在設(shè)備上，計(jì)算與預(yù)期結(jié)果的差異。然后，該信息被用來(lái)產(chǎn)生一個(gè)新的光信號(hào)，該光信號(hào)通過(guò)光網(wǎng)絡(luò)以相反的方向發(fā)送回來(lái)。在這個(gè)過(guò)程中，研究人員通過(guò)測(cè)量每個(gè)光束周?chē)墓鈴?qiáng)度，展示了如何并行地檢測(cè)神經(jīng)網(wǎng)絡(luò)性能將如何隨著光束的設(shè)置而變化。根據(jù)這些信息可以改變相位設(shè)置，并且過(guò)程可以重復(fù)，直到神經(jīng)網(wǎng)絡(luò)產(chǎn)生期望的結(jié)果。
      研究人員通過(guò)教授一種執(zhí)行復(fù)雜功能的算法，例如在一組點(diǎn)內(nèi)提取復(fù)雜的特征，用光學(xué)模擬測(cè)試了他們的訓(xùn)練技術(shù)。他們發(fā)現(xiàn)，光學(xué)實(shí)現(xiàn)功能與傳統(tǒng)計(jì)算機(jī)相似。
      “我們的工作證明，你可以利用物理定律來(lái)實(shí)現(xiàn)計(jì)算機(jī)科學(xué)算法，”Fan說(shuō)。“通過(guò)在光領(lǐng)域?qū)@些網(wǎng)絡(luò)進(jìn)行訓(xùn)練，它表明光神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以單獨(dú)使用光學(xué)來(lái)實(shí)現(xiàn)某些更高的性能。”
      目前，研究人員正計(jì)劃進(jìn)一步優(yōu)化該系統(tǒng)，并希望利用它實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)任務(wù)的實(shí)際應(yīng)用。他們?cè)O(shè)計(jì)的一般方法可用于各種神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)和其他應(yīng)用，如光學(xué)。
      聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)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
      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

        在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

        本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開(kāi)發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是
        發(fā)表于 10-22 07:03

        神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

        隨著人工智能技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而，神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加，這使得傳統(tǒng)的
        的頭像 發(fā)表于 09-17 13:31 ?752次閱讀
        <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

        【「芯片通識(shí)課：一本書(shū)讀懂芯片技術(shù)」閱讀體驗(yàn)】從deepseek看今天芯片發(fā)展

        的： 神經(jīng)網(wǎng)絡(luò)處理器（NPU）是一種模仿人腦神經(jīng)網(wǎng)絡(luò)的電路系統(tǒng)，是實(shí)現(xiàn)人工智能中神經(jīng)網(wǎng)絡(luò)計(jì)算的專(zhuān)用處理器，主要用于人工智能深度學(xué)習(xí)模型的加速
        發(fā)表于 04-02 17:25

        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
        的頭像 發(fā)表于 02-12 15:53 ?1066次閱讀

        如何優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率

        優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率是提高模型訓(xùn)練效率和性能的關(guān)鍵步驟。以下是一些優(yōu)化BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的方法： 一、理解學(xué)習(xí)率的重要性 學(xué)習(xí)率決定了模型參數(shù)在每次迭代時(shí)更新的幅度。過(guò)大的學(xué)習(xí)率可
        的頭像 發(fā)表于 02-12 15:51 ?1313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(guò)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(lèi)、回歸等任務(wù)，無(wú)需人工進(jìn)行復(fù)雜的特征工程。 泛化能力強(qiáng) ： BP
        的頭像 發(fā)表于 02-12 15:36 ?1311次閱讀

        什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

        神經(jīng)網(wǎng)絡(luò)（即反向傳播神經(jīng)網(wǎng)絡(luò)）的核心，它建立在梯度下降法的基礎(chǔ)上，是一種適合于多層神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)算法。該算法通過(guò)計(jì)算每層
        的頭像 發(fā)表于 02-12 15:18 ?1099次閱讀

        BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

        ），是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過(guò)反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、一個(gè)或多個(gè)隱藏層和輸出層組成，通過(guò)逐層遞減的方式調(diào)整網(wǎng)絡(luò)權(quán)重，目的是最小化
        的頭像 發(fā)表于 02-12 15:15 ?1207次閱讀

        BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用

        BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中發(fā)揮著重要作用，其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá)，適用于處理非線性問(wèn)題。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中應(yīng)
        的頭像 發(fā)表于 02-12 15:12 ?1004次閱讀

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

        BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是一種經(jīng)典的人工神經(jīng)網(wǎng)絡(luò)模型，其訓(xùn)練過(guò)程主要分為兩個(gè)階段：前向傳播和反向傳播。以下是訓(xùn)練BP
        的頭像 發(fā)表于 02-12 15:10 ?1249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
        的頭像 發(fā)表于 01-09 10:24 ?1827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

        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
        的頭像 發(fā)表于 12-07 17:39 ?3149次閱讀
        基于<b class='flag-5'>光學(xué)</b>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)研究

        LSTM神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)準(zhǔn)備方法

        LSTM（Long Short-Term Memory，長(zhǎng)短期記憶）神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)準(zhǔn)備方法是一個(gè)關(guān)鍵步驟，它直接影響到模型的性能和效果。以下是一些關(guān)于LSTM神經(jīng)網(wǎng)絡(luò)
        的頭像 發(fā)表于 11-13 10:08 ?2664次閱讀

        Moku人工神經(jīng)網(wǎng)絡(luò)101

        Moku3.3版更新在Moku:Pro平臺(tái)新增了全新的儀器功能【神經(jīng)網(wǎng)絡(luò)】，使用戶(hù)能夠在Moku設(shè)備上部署實(shí)時(shí)機(jī)器學(xué)習(xí)算法，進(jìn)行快速、靈活的信號(hào)分析、去噪、傳感器調(diào)節(jié)校準(zhǔn)、閉環(huán)反饋等應(yīng)用。如果您
        的頭像 發(fā)表于 11-01 08:06 ?858次閱讀
        Moku<b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

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

        可以不局限于已知的訓(xùn)練圖像開(kāi)展識(shí)別。該神經(jīng)網(wǎng)絡(luò)需要映射到MCU中。 5、AI的模式識(shí)別內(nèi)部到底是什么？ AI的神經(jīng)元網(wǎng)絡(luò)類(lèi)似于人腦的生物神經(jīng)元網(wǎng)絡(luò)。一個(gè)
        發(fā)表于 10-24 13:56