91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

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

      SpiNNaker為模擬大規(guī)模神經(jīng)網(wǎng)絡(luò)提供高性能平臺(tái)

      EdXK_AI_News ? 來(lái)源：未知 ? 作者：胡薇 ? 2018-08-09 10:06 ? 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

      科研人員利用一個(gè)名為SpiNNaker的神經(jīng)形態(tài)計(jì)算機(jī)開(kāi)展大腦仿真實(shí)驗(yàn)，取得的效果與利用傳統(tǒng)超級(jí)計(jì)算機(jī)進(jìn)行仿真獲取的最佳效果不相上下。

      該研究由德國(guó)于利希研究中心（Jülich Research Centre）聯(lián)合英國(guó)曼徹斯特大學(xué)（University of Manchester）、日本理研腦科學(xué)研究所（RIKEN Brain Institute）、德國(guó)亞琛工業(yè)大學(xué)（Aachen University）共同開(kāi)展。他們?cè)凇渡窠?jīng)科學(xué)前沿》（Frontiers in Neuroscience）發(fā)表的一篇文章中表示已實(shí)現(xiàn)了“在SpiNNaker上對(duì)腦皮質(zhì)微神經(jīng)網(wǎng)絡(luò)生物時(shí)間標(biāo)度水平的首次全范圍仿真”，研究構(gòu)建的模型由8萬(wàn)個(gè)神經(jīng)元和3億個(gè)突觸組成，是在該平臺(tái)上進(jìn)行的最大規(guī)模仿真。

      SpiNNaker旨在為實(shí)時(shí)模擬大規(guī)模神經(jīng)網(wǎng)絡(luò)提供高性能平臺(tái)。第一版系統(tǒng)于2009年建成。在當(dāng)前版本，SpiNNaker擴(kuò)展到600塊板，每一塊都配備了1、4或者48個(gè)Arm 968芯片。該芯片有18個(gè)核，由分組交換異步通信網(wǎng)絡(luò)連接起來(lái)，一塊128MB SDRAM模安裝在處理器上。

      “大腦皮層是大腦中接收和出來(lái)感官信息的外層。SpiNNaker可以支持大腦皮層的詳細(xì)生物模型，得到的結(jié)果與相當(dāng)超級(jí)計(jì)算機(jī)軟件仿真的結(jié)果很相近?！毖芯咳藛T說(shuō)，“快速低能耗地運(yùn)行大規(guī)模詳細(xì)的神經(jīng)網(wǎng)絡(luò)，這種能力會(huì)推進(jìn)機(jī)器人研究，有助于學(xué)習(xí)和大腦障礙方面的研究?！?/p>

      本研究提高了系統(tǒng)軟件性能，將神經(jīng)網(wǎng)絡(luò)仿真擴(kuò)展到多塊板，從而達(dá)到最新的高標(biāo)準(zhǔn)。為此，研究人員利用了SpiNNaker的六塊48-芯片板，總計(jì)217個(gè)Arm 968 SoC和1934個(gè)核。這還不到該系統(tǒng)總計(jì)算能力的百分之一。

      為進(jìn)行比較，研究人員在32節(jié)點(diǎn)HPC集群上運(yùn)行尖峰神經(jīng)網(wǎng)絡(luò)的NEST仿真軟件，由英特爾至強(qiáng)（Xeon）E5-2680v3處理器（以2.5GHz運(yùn)行的12核）支持。每個(gè)節(jié)點(diǎn)包含了兩個(gè)處理器、128 GB RAM、240 GB 本地 SSD 存儲(chǔ)，系統(tǒng)的互連為QDR InfiniBand。

      該研究表明，SpiNNaker仿真和在HPC集群利用NEST的系統(tǒng)仿真準(zhǔn)確性相近，但SpiNNaker僅限于定點(diǎn)運(yùn)算。雖然NEST上運(yùn)行的仿真比SpiNNaker的更快，但兩個(gè)平臺(tái)每個(gè)突觸事件的耗能具有可比性?！皟蓚€(gè)平臺(tái)運(yùn)行的仿真得到結(jié)果很相近?！毖芯咳藛T說(shuō)，“這是大腦皮層的詳細(xì)仿真首次在SpiNNaker或者任何神經(jīng)形態(tài)平臺(tái)運(yùn)行。”

      研究人員還指出，該研究的結(jié)果將用于改進(jìn)軟件，讓等效仿真能在單塊板上運(yùn)行。能做到這一點(diǎn)意義重大，因?yàn)檫@是最可能用于機(jī)器人控制的配置。事實(shí)上，歐洲人類腦計(jì)劃（European Human Brain Project）的神經(jīng)機(jī)器人學(xué)家已與SpiNNaker項(xiàng)目合作，希望可將其用于獨(dú)立機(jī)器人。

      這些機(jī)器人應(yīng)用旨在構(gòu)建平臺(tái)，消耗目前超級(jí)計(jì)算機(jī)的一小部分能源就可以進(jìn)行實(shí)時(shí)大腦仿真。理想情況下，能耗相當(dāng)于實(shí)際大腦的20至30瓦水平。本研究表明，SpiNNaker這類神經(jīng)形態(tài)系統(tǒng)的發(fā)展可能會(huì)成為實(shí)現(xiàn)大腦仿真的最實(shí)際途徑。

      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

      原文標(biāo)題：神經(jīng)形態(tài)計(jì)算成為大腦仿真最佳平臺(tái)之一

      文章出處：【微信號(hào)：AI_News，微信公眾號(hào)：人工智能快報(bào)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

      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

        為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎？

        我想知道為什么 VisionFive V1 板上的 JH7100 中并存 NVDLA 引擎和神經(jīng)網(wǎng)絡(luò)引擎，請(qǐng)問(wèn)？您能否舉一些關(guān)于他們的用例的例子？
        發(fā)表于 03-25 06:01

        神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

        日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí)，而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu)，特別是大腦中神經(jīng)
        的頭像 發(fā)表于 12-17 15:05 ?368次閱讀
        <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

        NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

        NMSIS NN 軟件庫(kù)是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫(kù)分為多個(gè)功能，每個(gè)功能涵蓋特定類別
        發(fā)表于 10-29 06:08

        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)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
        發(fā)表于 10-22 07:03

        CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

        在完成神經(jīng)網(wǎng)絡(luò)量化后，需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下，可將其存于一個(gè)文件，并在 Verilog 代碼中通過(guò) readmemh 函數(shù)
        發(fā)表于 10-20 08:00

        液態(tài)神經(jīng)網(wǎng)絡(luò)（LNN）：時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

        神經(jīng)元，但卻能產(chǎn)生復(fù)雜的行為。受此啟發(fā)，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比，LNN旨在通過(guò)模擬大腦中神經(jīng)元之間的動(dòng)態(tài)連接來(lái)處理信息，這種網(wǎng)絡(luò)能夠順序處理數(shù)
        的頭像 發(fā)表于 09-28 10:03 ?1370次閱讀
        液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>（LNN）：時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

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

        的大規(guī)模互連。在這方面，超導(dǎo)體和超導(dǎo)器件具有無(wú)損耗特性,可用作神經(jīng)形態(tài)網(wǎng)絡(luò)中的低功耗互連器件。此外,超導(dǎo)器件還具有前所未有的低功耗和超高速開(kāi)關(guān)特性。 利用超導(dǎo)體或非超導(dǎo)低溫器件來(lái)模擬
        發(fā)表于 09-17 16:43

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

        問(wèn)題。因此，并行計(jì)算與加速技術(shù)在神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要，它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能和效率，滿足實(shí)際應(yīng)用中對(duì)快速響應(yīng)和大規(guī)模數(shù)據(jù)處理的需求。
        的頭像 發(fā)表于 09-17 13:31 ?1196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)

        基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

        在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真（DPD）模型中，使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響？
        的頭像 發(fā)表于 08-29 14:01 ?3535次閱讀

        無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

        摘要:論文通過(guò)對(duì)無(wú)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(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)
        發(fā)表于 06-25 13:06

        神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

        摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問(wèn)題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
        發(fā)表于 06-16 22:09

        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

        眾多方法中，由于其結(jié)構(gòu)簡(jiǎn)單，穩(wěn)定性好廣泛受到人們的重視，且已被用于產(chǎn)品開(kāi)發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問(wèn)題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，使估計(jì)更為簡(jiǎn)單、快速
        發(fā)表于 06-16 21:54

        基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

        本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過(guò)python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出，然后通過(guò)python程序?qū)xt文件轉(zhuǎn)化為coe文件，（coe
        的頭像 發(fā)表于 06-03 15:51 ?1362次閱讀
        基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

        開(kāi)售RK3576 高性能人工智能主板

        ZYSJ-2476B 高性能智能主板，采用瑞芯微 RK3576 高性能 AI 處理器、神經(jīng)網(wǎng)絡(luò)處理器 NPU， Android 14.0/debian11/ubuntu20.04 操作系統(tǒng)
        發(fā)表于 04-23 10:55

        NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能

        近日，NVIDIA 宣布了 NVIDIA RTX 神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能。NVIDIA 與微軟合作，將在 4 月的 Microsoft DirectX 預(yù)覽版中增加神經(jīng)網(wǎng)絡(luò)著色技術(shù)，讓開(kāi)
        的頭像 發(fā)表于 04-07 11:33 ?1266次閱讀