女人荫蒂被添全过程13种图片,亚洲+欧美+在线,欧洲精品无码一区二区三区 ,在厨房拨开内裤进入毛片

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

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)道了基于動態(tài)憶阻器的人工樹突器件,成功復(fù)現(xiàn)了生物樹突對信號的非線性過濾、積分以及對時(shí)間信號的處理方式。

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(SVHN)數(shù)據(jù)集時(shí),胞體的動態(tài)功耗降低30倍,網(wǎng)絡(luò)的準(zhǔn)確率提高8%以上,系統(tǒng)評估整體功耗比CPU降低3個(gè)數(shù)量級。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等頂級期刊和ISSCC、IEDM、VLSI等領(lǐng)域內(nèi)頂級國際學(xué)術(shù)會議上。

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)了生物樹突對信號的非線性過濾、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數(shù)據(jù)集(SVHN dataset)上,對包含樹突計(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)評估整體能耗比CPU降低3個(gè)數(shù)量級。

該研究基于新原理憶阻器的豐富動態(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

    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 ?513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)知識和多種算法。在本文中,我們會介紹人工神經(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 ?1172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 ?971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 ?2797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 ?653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,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 ?646次閱讀
    Moku<b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    如何構(gòu)建多層神經(jīng)網(wǎng)絡(luò)

    構(gòu)建多層神經(jīng)網(wǎng)絡(luò)(MLP, Multi-Layer Perceptron)模型是一個(gè)在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域廣泛使用的技術(shù),尤其在處理分類和回歸問題時(shí)。在本文中,我們將深入探討如何從頭開始構(gòu)建一個(gè)多層
    的頭像 發(fā)表于 07-19 17:19 ?1541次閱讀

    神經(jīng)網(wǎng)絡(luò)辨識模型具有什么特點(diǎn)

    神經(jīng)網(wǎng)絡(luò)辨識模型是一種基于人工神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識方法,它具有以下特點(diǎn): 非線性映射能力 :神經(jīng)網(wǎng)絡(luò)能夠處理非線性問題,可以很好地?cái)M合復(fù)雜的非線性系統(tǒng)。 泛化能力 :
    的頭像 發(fā)表于 07-11 11:12 ?864次閱讀

    如何構(gòu)建三層bp神經(jīng)網(wǎng)絡(luò)模型

    能力。本文將介紹如何構(gòu)建三層BP神經(jīng)網(wǎng)絡(luò)模型。 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識 2.1 神經(jīng)元模型 神經(jīng)元是神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-11 10:55 ?1062次閱讀

    BP神經(jīng)網(wǎng)絡(luò)樣本的獲取方法

    的訓(xùn)練樣本是至關(guān)重要的。 數(shù)據(jù)收集 數(shù)據(jù)收集是構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型的第一步。根據(jù)研究領(lǐng)域和應(yīng)用場景的不同,數(shù)據(jù)來源可以分為以下幾種: 1.1 實(shí)驗(yàn)數(shù)據(jù):通過實(shí)驗(yàn)或觀察獲得的數(shù)據(jù),如生物實(shí)驗(yàn)、化學(xué)實(shí)驗(yàn)等。 1.2 傳感器數(shù)據(jù):通過
    的頭像 發(fā)表于 07-11 10:50 ?1050次閱讀

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域
    的頭像 發(fā)表于 07-10 15:24 ?2435次閱讀

    BP神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及
    的頭像 發(fā)表于 07-10 15:20 ?2265次閱讀

    PyTorch神經(jīng)網(wǎng)絡(luò)模型構(gòu)建過程

    PyTorch,作為一個(gè)廣泛使用的開源深度學(xué)習(xí)庫,提供了豐富的工具和模塊,幫助開發(fā)者構(gòu)建、訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)模型。在神經(jīng)網(wǎng)絡(luò)模型中,輸出層是尤為關(guān)鍵的部分,它負(fù)責(zé)將模型的預(yù)測結(jié)果以合適的形式輸出。以下將詳細(xì)解析PyTorch中
    的頭像 發(fā)表于 07-10 14:57 ?898次閱讀
    主站蜘蛛池模板: 上饶县| 马山县| 门源| 磴口县| 将乐县| 综艺| 宁南县| 大宁县| 军事| 昌黎县| 莆田市| 南昌县| 响水县| 图们市| 微博| 嘉兴市| 章丘市| 太保市| 盐津县| 三门县| 梁山县| 大足县| 玉树县| 都兰县| 思南县| 马龙县| 鲁甸县| 新野县| 内乡县| 清河县| 民和| 昌黎县| 榕江县| 公安县| 黎川县| 邯郸市| 青神县| 视频| 荥经县| 长沙县| 东丰县|