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

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)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(huì)員中心
創(chuàng)作中心

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

創(chuàng)建混合神經(jīng)網(wǎng)絡(luò)的未來

倩倩 ? 來源:雷鋒網(wǎng),上海市大數(shù)據(jù)股 ? 作者:雷鋒網(wǎng),上海市大 ? 2021-03-15 17:10 ? 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

深度學(xué)習(xí)是一個(gè)很大的領(lǐng)域,其核心是一個(gè)神經(jīng)網(wǎng)絡(luò)算法,神經(jīng)網(wǎng)絡(luò)的尺寸由數(shù)百萬甚至數(shù)十億個(gè)不斷改變的參數(shù)決定。似乎每隔幾天就有大量的新方法提出。

然而,一般來說,現(xiàn)在的深度學(xué)習(xí)算法可以分為三個(gè)基礎(chǔ)的學(xué)習(xí)范式。每一種學(xué)習(xí)方法和信念都為提高當(dāng)前深度學(xué)習(xí)的能力和范圍提供了巨大的潛力和興趣。

混合學(xué)習(xí)-現(xiàn)代深度學(xué)習(xí)方法如何跨越有監(jiān)督和無監(jiān)督學(xué)習(xí)的界限,以適應(yīng)大量未使用的未標(biāo)記數(shù)據(jù)?

成分學(xué)習(xí)-如何采用一種創(chuàng)新的方法將不同的組件鏈接起來生成一個(gè)混合的模型,這個(gè)模型的效果比各個(gè)部分簡單的加和效果要好?

簡化學(xué)習(xí)-如何在保持相同或規(guī)模的預(yù)測(cè)能力的同時(shí),減少模型的大小和信息流,以達(dá)到性能和部署的目的?

深度學(xué)習(xí)的未來主要在于這三種學(xué)習(xí)范式,每一種都緊密鏈接。

近日,由英、意,瑞三國聯(lián)合創(chuàng)建的一個(gè)混合神經(jīng)網(wǎng)絡(luò)誕生了,其特殊之處在于使用互聯(lián)網(wǎng)將信號(hào)從生物神經(jīng)元傳輸?shù)饺斯ど窠?jīng)元。這可謂是神經(jīng)電子連接技術(shù)研究上的一重大突破,未來有望在我們的大腦與互聯(lián)網(wǎng)之間建立起連接,實(shí)現(xiàn)大腦可以與數(shù)據(jù)實(shí)時(shí)交互。當(dāng)然,這一概念從科學(xué)研究到實(shí)踐運(yùn)用還需要長時(shí)間的探索,不如先從本周英國南安普敦大學(xué)發(fā)表的科學(xué)研究來一窺混合神經(jīng)網(wǎng)絡(luò)背后的原理。

該研究是從老鼠身上培養(yǎng)的生物神經(jīng)元,并可以通過一種類似生物突觸的元件將信息傳遞給人工神經(jīng)元,反之亦然。這項(xiàng)研究的所有三個(gè)要素:人工神經(jīng)元、生物神經(jīng)元和突觸部分位于世界的不同地方,通過互聯(lián)網(wǎng)連接起來。

在自然界,大腦通過一個(gè)龐大的神經(jīng)元網(wǎng)絡(luò)來運(yùn)作,神經(jīng)元通過電信號(hào)將信息發(fā)送到其他神經(jīng)元,這些信號(hào)被單獨(dú)稱為“動(dòng)作電位”(action potential)。神經(jīng)元之間相接觸的部位(這種信號(hào)在上面?zhèn)鬏敚┟麨橥挥|。神經(jīng)元只能沿一個(gè)方向發(fā)送信息。信號(hào)將通過一個(gè)神經(jīng)元傳送到輸出端。信息通過突觸傳輸,刺激接收端的下一個(gè)神經(jīng)元,依此類推。

生物神經(jīng)元是從大鼠身上培養(yǎng)的,精心組織后植入到了蘇黎世大學(xué)和蘇黎世聯(lián)邦理工學(xué)院的一個(gè)電極陣列上。借助精巧完善的實(shí)驗(yàn)室技術(shù),可以發(fā)送來自這些神經(jīng)元的電信號(hào),并接收捕獲的信號(hào)。

人工神經(jīng)元是在意大利帕多瓦大學(xué)研發(fā)的,被排列在硅微芯片上。就像生物神經(jīng)元一樣,人工神經(jīng)元能夠發(fā)送并接收可以讀取和測(cè)量的信號(hào)。在南安普敦大學(xué),科學(xué)家們使用了憶阻器(能夠傳遞電荷的微型電路部件)來制造物理器件,這種器件的作用是將信息從生物神經(jīng)元傳遞到人工神經(jīng)元,反之亦然。因而得到的人工突觸被稱為synpator。由于神經(jīng)元之間輸入和輸出的差異,構(gòu)造了兩個(gè)單獨(dú)的人工突觸來完成電路,一個(gè)代表大腦到硅片,另一個(gè)代表硅片到大腦。這兩個(gè)人工突觸中使用的尖端納米技術(shù)方面的細(xì)微差異導(dǎo)致了一條單向電路。從這個(gè)意義上說,該系統(tǒng)模仿大腦,信息只能沿一個(gè)方向通過其各自的系統(tǒng)來傳輸。

創(chuàng)建混合神經(jīng)網(wǎng)絡(luò)的未來

由于需要揭露人類思維的奧秘,因此我的哲學(xué)基礎(chǔ)促使我在技術(shù),技術(shù)之前接受了心理分析,心理學(xué)和神經(jīng)科學(xué)方面的培訓(xùn)。我致力于研究人類的思想,而沒有忽視作為硬件和計(jì)算開發(fā)人員多年的技術(shù)技能。

對(duì)我來說,人類是如此強(qiáng)大,以至于他從一開始就具有克服自己的能力和利用技術(shù)的優(yōu)勢(shì)?;鸬陌l(fā)現(xiàn),砂輪,用于制造工具的材料的處理是技術(shù)進(jìn)步,與我們今天開發(fā)的技術(shù)一樣重要。顯然,我們必須將每個(gè)人都定位在他的時(shí)代,但是全人類的進(jìn)步和成功故事的規(guī)模是毋庸置疑的。

這些進(jìn)步之一已經(jīng)在科學(xué)環(huán)境中應(yīng)用了不到一年,并且涉及到混合神經(jīng)網(wǎng)絡(luò)的創(chuàng)建。

我們認(rèn)為腦功能是可能的,因?yàn)樯窠?jīng)元回路是通過微觀但高度復(fù)雜的連接(稱為突觸)發(fā)生的。

在這個(gè)新概念中,科學(xué)家能夠創(chuàng)建一個(gè)混合神經(jīng)網(wǎng)絡(luò),位于世界各地的生物和人工神經(jīng)元可以通過Internet相互通信。使用尖端的納米技術(shù)開發(fā)出人工突觸的核心之后,這種交流才成為可能。

這個(gè)復(fù)雜的項(xiàng)目是在不同的歐洲國家開發(fā)的,每個(gè)項(xiàng)目分別負(fù)責(zé)該項(xiàng)目的不同部分。

該研究分為幾個(gè)部分。意大利是負(fù)責(zé)培養(yǎng)嚙齒動(dòng)物神經(jīng)元的國家,而瑞士則負(fù)責(zé)創(chuàng)建人工神經(jīng)元。另一方面,在英國,正在開發(fā)它們之間進(jìn)行通信的過程,通過對(duì)發(fā)達(dá)的納米電子突觸進(jìn)行精細(xì)控制的配置來構(gòu)成虛擬實(shí)驗(yàn)室。

盡管這是一個(gè)初期且簡化的過程,但對(duì)于科學(xué)來說是巨大的進(jìn)步。在這個(gè)項(xiàng)目中,有可能通過互聯(lián)網(wǎng)將信息從生物神經(jīng)元傳輸?shù)饺斯ど窠?jīng)元,也可以反向傳輸。

這些第一步是神經(jīng)電子互聯(lián)網(wǎng)發(fā)展的關(guān)鍵?,F(xiàn)在,研究人員預(yù)計(jì),他們的方法將激發(fā)人們對(duì)一系列科學(xué)學(xué)科的興趣,并加快神經(jīng)接口研究領(lǐng)域的創(chuàng)新和科學(xué)進(jìn)步的步伐。尤其是,無縫鏈接全球不同技術(shù)的能力是邁向這些技術(shù)民主化的一步,從而消除了協(xié)作的重要障礙。

另一方面,它為更復(fù)雜的混合網(wǎng)絡(luò)的研究打開了大門,該網(wǎng)絡(luò)可用于人類,以彌補(bǔ)某些缺陷,即為交換大腦和計(jì)算機(jī)之間的相互作用創(chuàng)造平臺(tái)。腦部功能失調(diào)。由AI芯片生成復(fù)雜的混合神經(jīng)網(wǎng)絡(luò)。顯然,鑒于研究的現(xiàn)狀,這將是一個(gè)有點(diǎn)未來主義的全景圖,但是到目前為止所取得的成就開辟了一系列可能性。

(雷鋒網(wǎng),上海市大數(shù)據(jù)股份,互聯(lián)網(wǎng)分析沙龍網(wǎng)綜合整理)

責(zé)任編輯:lq

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)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4838

    瀏覽量

    107887
  • 模型
    +關(guān)注

    關(guān)注

    1

    文章

    3762

    瀏覽量

    52133
  • 神經(jīng)元
    +關(guān)注

    關(guān)注

    1

    文章

    369

    瀏覽量

    19175
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

    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 ?342次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡稱為CNN,是一種專門用來處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見,因?yàn)閳D像本身就可以看作是由像素排列成的二維網(wǎng)格。
    的頭像 發(fā)表于 11-19 18:15 ?2096次閱讀
    自動(dòng)駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測(cè)試

    數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時(shí)的梯度耗散問題。當(dāng)x&gt;0 時(shí),梯度恒為1,無梯度耗散問題,收斂快;當(dāng)x&lt;0 時(shí),該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    NMSIS NN 軟件庫是一組高效的神經(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 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)

    1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1264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>

    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)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長等
    的頭像 發(fā)表于 09-17 13:31 ?1153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 ?3489次閱讀

    無刷電機(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:論文通過對(duì)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(cè),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)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)簡單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(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)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡單、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 ?1269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

    AI神經(jīng)網(wǎng)絡(luò)降噪算法在語音通話產(chǎn)品中的應(yīng)用優(yōu)勢(shì)與前景分析

    的語音保真度以及更低的延遲,能夠有效應(yīng)對(duì)復(fù)雜噪聲場(chǎng)景。本文將探討AI神經(jīng)網(wǎng)絡(luò)降噪在語音通話產(chǎn)品中的核心優(yōu)勢(shì),并分析其未來發(fā)展趨勢(shì)和市場(chǎng)前景
    的頭像 發(fā)表于 05-16 17:07 ?1545次閱讀
    AI<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>降噪算法在語音通話產(chǎn)品中的應(yīng)用優(yōu)勢(shì)與前景分析

    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
    的頭像 發(fā)表于 04-07 11:33 ?1214次閱讀