цифровая электроника
вычислительная техника
встраиваемые системы

 

Сложные математические вычисления на Arduino с помощью библиотеки Intel Math Kernel Library

Автор: Mike(admin) от 20-03-2019, 07:55

Intel Math Kernel Library – это библиотека математических функций с открытым исходным кодом для приложений глубокого обучения. Библиотека ускоряет процессы глубокого обучения и подобных математических аппаратов. Она содержит векторизованные и многопоточные блоки, которые можно использовать для реализации глубоких нейронных сетей с интерфейсами C и C++.


Сложные математические вычисления на Arduino с помощью библиотеки Intel Math Kernel Library

Несмотря на такую высокую производительность библиотеки, ее можно связать с платформой Arduino, и в этой статье будет показано, как это сделать.

Обзор NVIDIA Jetson Nano – GPU-плата для машинного обучения за $99

Автор: Mike(admin) от 19-03-2019, 11:35

Недавно со сцены на конференции NVIDIA по технологиям графических процессоров было объявлено о новом оборудовании, ориентированном непосредственно на радиолюбителей, преподавателей и студентов, модуль Jetson Nano и комплект разработчика Jetson Nano.


NVIDIA Jetson Nano

В последние год или два произошел резкий скачок доступности встраиваемого оборудования, способного выполнять задачи машинного обучения, и в результате мы увидели начало кардинальных изменений в применении машинного обучения ив том, как может быть построен Интернет вещей.

Обзор Google Coral – аппаратное обеспечение для машинного обучения

Автор: Mike(admin) от 7-03-2019, 11:55

Во время выступления Injong Rhee на прошлогодней конференции Google Next в Сан-Франциско Google анонсировал два новых аппаратных продукта: плату разработки и USB-ускоритель. Оба продукта были построены на базе Edge TPU от Google, их специализированной интегральной микросхемы типа ASIC, разработанной для реализации возможностей машинного обучения.


Обзор Google Coral – аппаратное обеспечение для машинного обучения

Спустя почти год, аппаратное обеспечение незаметно перешло в статус «Beta» под названием «Coral», и теперь можно приобрести и плату разработки и USB-ускоритель для реализации проектов машинного обучения и искусственного интеллекта.

Нейрокомпьютеры. Соединения обучающихся матриц, применение обучающихся матриц

Автор: Mike(admin) от 20-02-2019, 03:15

Интересные особенности проявляются в случае последовательного соединения обучающихся матриц. Это легко может быть получено при помощи промежуточных запоминающих устройств для использования системы значений, выходящих последовательно с первой обучаемой матрицы в качестве входной системы для второй матрицы.


Таким образом, например, слова могут быть распознаны по отдельным буквам, распознанным первой матрицей. Дальше это можно расширить до распознавания предложений за счет использования другого промежуточного контура. Эти методы схожи со способностью живых организмов к восстановлению искаженных слов, например, неправильно произнесенных.

Нейрокомпьютеры. Реализация адаптивных схем на химических мемисторах

Автор: Mike(admin) от 20-02-2019, 03:15

Структура нейрона Адалина и метод его адаптации достаточно просты и поэтому позволяют построить электронный полностью автоматический элемент. Для создания такого элемента необходимо уметь запоминать значения коэффициентов усиления так, чтобы их можно было изменять электронными методами.

Нейрокомпьютеры. Самоорганизующееся формирование топологически правильных характеристических карт

Автор: Mike(admin) от 15-02-2019, 03:25

Топологически правильная карта упорядоченных распределений сигналов может быть сформирована, например, в одно- или двумерном массиве вычислительных элементов, который не имел такой структуры изначально. Этот принцип является обобщением формирования прямых топографических проекций между двумя ламинарными структурами, которое известно как ретинотекстурное преобразование. Не существует никаких ограничений на автоматическое формирование карт для совершенно абстрактных или умозрительных предметов, описанных их сигнальными образами или характерными величинами, выраженными в какой-то метрике или топологическом пространстве, позволяющих их упорядочивание. Другими словами, не обязательно ограничивать себя только топографическими картами, необходимо рассматривать карты образцов, имеющих отношение к произвольным характеристикам или пространству признаков, а также на любом уровне абстракции.

Неокогнитрон - самоорганизующаяся нейронная сетевая модель для механизма распознавания образов, не затронутого сдвигом в позиции

Автор: Mike(admin) от 12-02-2019, 02:35

Механизм распознавания образов в мозге малоизвестен. Если же можно было построить нейронную сетевую модель, которая имеет ту же способность для распознавания образов, что и человек, это дало бы мощный ключ к пониманию нервного механизма в мозге. В этой статье рассмотрим синтезирование нейросетевой модели, способной распознавать образы, подобно человеку.


Неокогнитрон

С этой целью предлагались различные модели, но большинство этих моделей зависит от сдвигов в позиции и/или искажения в форме входных образов. Следовательно, их способность для опознавания не так высока.

Создание нейронной сети для выделения особенностей образа

Автор: Mike(admin) от 29-01-2019, 03:25

Сеть для выделения особенностей образов состоит из аналоговых пороговых элементов, имеющих функции, аналогичные функциям нейрона. Выходной сигнал элемента имеет аналоговое значение, соответствующее рабочей частоте реального нейрона.


Создание нейронной сети для выделения особенностей образа

У элемента много входных окончаний, каждое из которых соответствует синаптической связи между нейронами. Каждое входное окончание имеет свой собственный связующий коэффициент, как положительный, так и отрицательный. Входное окончание с положительным коэффициентом соответствует возбуждающему синапсу, с отрицательным - тормозящему синапсу.

Нейрокомпьютеры. Проекция между сенсорными и ассоциативными элементами

Автор: Mike(admin) от 25-01-2019, 09:55

Обычно это негеометрическая проекция. Предположим, что каждый ассоциативный элемент имеет некоторое фиксированное число входных связей. Некоторые из них являются возбуждающими, некоторые - тормозящими, причем каждой входной связи приписывается вес, равный +1 или -1.


Нейрокомпьютеры. Проекция между сенсорными и ассоциативными элементами

Нейрокомпьютеры. Методы распознавания преобразований

Автор: Mike(admin) от 19-01-2019, 09:35

Аналитически дескриптивный метод состоит в сведении картины возбуждения или конфигурации к простому каноническому описанию, которое инвариантно относительно преобразований. Это описание можно затем сравнить с хранящимся в памяти набором эталонных описаний и таким образом определить, какое из них наиболее соответствует данному возбудителю.


Нейрокомпьютеры. Методы распознавания преобразований

Назад Вперед
Наверх