цифровая электроника
вычислительная техника
встраиваемые системы

 



Использование ПЛИС FPGA в создании нейронных сетей

Автор: Mike(admin) от 25-10-2017, 19:25

Искусственный интеллект (ИИ) – это, несомненно, будущее вычислений, при этом большое количество исследований проводится в попытке создать полезный и надежный ИИ. Часть исследований ИИ включает в себя изучение области, называемой глубоким обучением, являющейся отраслью машинного обучения, которая использует алгоритмы для моделирования абстракций высокого уровня. В настоящее время для моделирования процессов глубокого обучения и обработки этих алгоритмов разрабатываются большие системы с использованием графических процессоров в качестве центрального средства обработки.


Использование ПЛИС FPGA в создании нейронных сетей

Большая часть сегодняшних массовых вычислений использует графические процессоры, потому что закон Мура за последние несколько десятилетий сохранился, однако мы приближаемся к тому времени, когда развитие графических процессоров (GPU) не будет соответствовать требованиям алгоритмов ИИ. В дополнение к вычислительной мощности, эти GPU-системы также потребляют большое количество энергии. Итак, как можно увеличить вычислительную мощность при одновременном снижении энергопотребления в процессе выполнения этих алгоритмов глубокого обучения?

Какие задачи решают цифровые сигнальные процессоры (DSP)

Автор: Mike(admin) от 27-07-2017, 15:05

В мире сегодня становится все больше и больше различных электронных устройств, некоторые из них нужны в практических целях, другие же служат роскошью. Независимо от категории, в которую они попадают, мы можем заметить основной факт, что все они используют «сигналы» для выполнения своих задач.


Обработка сигналов

Когда у нас есть сигналы, то у нас, конечно же, появится необходимость их обработки. Все такие операции манипулирования сигналами могут быть сгруппированы под общей, но очень широкой областью под названием «Обработка сигналов».

Что такое нейронные сети и как они работают?

Автор: Mike(admin) от 11-04-2017, 12:55

В последнее время в области компьютерных наук и вычислительной техники набирает популярность такая математическая модель как нейронная сеть. Простейшее определение нейронной сети, более правильно именуемой искусственной нейронной сетью (ИНС), дал изобретатель одного из первых нейрокомпьютеров доктор Роберт Хехт-Нильсен. Он определяет нейронную сеть как: «вычислительная система, включающая в себя некоторое количество простых взаимосвязанных элементов обработки, которые обрабатывают информацию по реакции динамического состояния на внешние входы».


Нейронная сеть

ИНС – это устройства обработки (алгоритмы или фактические аппаратные средства), которые моделируются по правилам образования нейронной структуры коры головного мозг, но в гораздо меньших масштабах.

Что такое машинное обучение?

Автор: Mike(admin) от 9-02-2017, 18:05

Машинное обучение представляет собой некоторый тип искусственного интеллекта, который, как правило, используется для создания моделей, с помощью которых выполняется анализ данных. Машинное обучение является процессом программирования, в котором вместо написания кода программы, как в случае с традиционными компьютерными архитектурами, электронной вычислительной системе дается множество наборов образцов данных, которые демонстрируют, что подойдет или что не подойдет для желаемой аналитической модели.


Аппараты Mayan Moons

Простым примером этого процесса являются методы сопоставления с образцом и распознавания образов, которые можно реализовать и в недорогих системах. Например, модуль Intel Curie на основе микроконтроллера Intel Quark имеет возможность выполнить простое сопоставление с образцом, поскольку такой микроконтроллер имеет массив из 128 нейронов по 128 байт каждый. Нейроны функционирует и как механизм принятия решений, и как память, поэтому в данном случае даже можно реализовать небольшую нейронную сеть. Нейроны содержат информацию, которая имеет свой вес, и вес, дающийся каждому нейронному соединению в сети, можно изменить как определенный алгоритм.


Назад Вперед
Наверх