Дорогие читатели, Нашему шестнадцатилетнему, волонтёрскому и некоммерческому проекту для создания новой, современной версии N-N-N.ru, очень нужно посоветоваться касательно платформы нашего сайта – SYMFONY & DRUPAL 8. Платформа не простая, но обещаем – мы не займём много времени, просто нужна консультационная поддержка квалифицированного разраба. Если вы можете помочь, то связаться с нами можно на страницах Facebook.com здесь и здесь.

Китайцы разработали гибридный нейроморфный процессор

Ученые из Китая вместе с коллегами из Сингапура и США представили гибридный нейроморфный процессор и вычислительный модуль на его основе, архитектура которого адаптирована к работе как классических искусственных нейросетей, так и импульсных, которые по своему принципу работы более близки к биологическим нейронным сетям.

Чип содержит более 150 ядер, каждое из которых состоит из искусственных аналогов аксона, синапса, дендрита и перикариона, что позволяет имитировать работу настоящих нейронов. При этом ядра могут переключаться между двумя режимами работы, а также конвертировать сигналы классической нейросети с определенным значением в бинарные нервные импульсы для импульсной нейросети и наоборот, рассказывают авторы статьи в журнале Nature.

Обычно под чипом для аппаратного ускорения нейросетевых вычислений подразумеваются чипы с более оптимальной архитектурой для множества параллельных вычислений или другими особенностями, ускоряющим вычисления. Однако существуют также и нейроморфные чипы, архитектура которых отличается от классической фон-неймановской и похожа на строение настоящих нейронов. Пока такие чипы находятся в экспериментальной фазе и практически не применяются на практике за пределами лабораторий. Во многом это связано с тем, что большое отличие в архитектуре требует адаптировать алгоритмы под нейроморфные чипы.

Классические искусственные нейросети состоят из слоев, содержащих нейроны. Во время работы нейрон текущего слоя получает сигналы со значениями от всех нейронов предыдущего. Особенность нейросетей, позволяющая им обучаться выполняемой задаче, заключается в том, что каждая связь между нейронами в сети имеет вес, по сути определяющий силу сигнала для принимающего нейрона. Вес каждой связи может меняться во время работы, что и позволяет корректировать работу алгоритма во время обучения.

В противовес таким нейросетям существуют также импульсные нейросети, работающие подобно настоящим нейронам.

Подробнее
Пожалуйста, оцените статью:
Ваша оценка: None Средняя: 4 (1 vote)
Источник(и):

N+1