9 月 1 日消息，中國科學院微電子研究所等將人工神經(jīng)網(wǎng)絡與大腦的動態(tài)可重構性相結合，開發(fā)出基于語義記憶的動態(tài)神經(jīng)網(wǎng)絡。
▲ 基于語義記憶的腦啟發(fā)動態(tài)神經(jīng)網(wǎng)絡硬件軟件協(xié)同設計
大腦神經(jīng)網(wǎng)絡具有復雜的語義記憶和動態(tài)連接性，可將不斷變化的輸入與龐大記憶中的經(jīng)驗聯(lián)系起來，高效執(zhí)行復雜多變的任務。
目前，人工智能系統(tǒng)廣泛應用的神經(jīng)網(wǎng)絡模型多是靜態(tài)的。隨著數(shù)據(jù)量不斷增長，它在傳統(tǒng)數(shù)字計算系統(tǒng)中產(chǎn)生大量能耗和時間開銷，難以適應外界環(huán)境的變化。
與靜態(tài)網(wǎng)絡相比，語義記憶動態(tài)神經(jīng)網(wǎng)絡能夠根據(jù)計算資源權衡識別準確性和計算效率，可在資源受限設備或分布式計算環(huán)境中展現(xiàn)出色的性能。
在對 2D 圖像數(shù)據(jù)集 MNIST 和 3D 點云數(shù)據(jù)集 ModelNet 的分類任務中，該設計實現(xiàn)了與軟件相當?shù)臏蚀_率，相比于靜態(tài)神經(jīng)網(wǎng)絡減少了 48.1% 和 15.9% 的計算量，相比傳統(tǒng)數(shù)字硬件系統(tǒng)降低了計算能耗。
本站內(nèi)容除特別聲明的原創(chuàng)文章之外，轉(zhuǎn)載內(nèi)容只為傳遞更多信息，并不代表本網(wǎng)站贊同其觀點。轉(zhuǎn)載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認版權者。如涉及作品內(nèi)容、版權和其它問題，請及時通過電子郵件或電話通知我們，以便迅速采取適當措施，避免給雙方造成不必要的經(jīng)濟損失。聯(lián)系電話：010-82306118；郵箱：aet@chinaaet.com。