ニュース

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

it houseは9月1日、中国科学院マイクロエレクトロニクス研究所などが人工ニューラルネットワークと脳の動的再構成機能を組み合わせて開発したと報じた。意味記憶に基づく動的ニューラルネットワーク。

▲ 意味記憶に基づいた脳から着想を得た動的ニューラル ネットワーク ハードウェアとソフトウェアの共同設計

脳のニューラル ネットワークには複雑な意味記憶と動的な接続性があり、変化する入力を巨大な記憶内の経験と結び付け、複雑で変化しやすいタスクを効率的に実行できます。

現在、人工知能システムはさまざまな分野で広く使用されています。ニューラル ネットワーク モデルはほとんどが静的です。データ量が増加し続けると、従来のデジタル コンピューティング システムでは大量のエネルギー消費と時間のオーバーヘッドが発生し、外部環境の変化に適応することが困難になります。

静的ネットワークと比較して、セマンティックメモリ動的ニューラルネットワークは、コンピューティング リソースに基づいて認識精度と計算効率をトレードオフする、リソースに制約のあるデバイスまたは分散コンピューティング環境で優れたパフォーマンスを実現します。

it house は、2d 画像データ セット mnist と 3d 点群データ セット modelnet の分類タスクにおいて、その設計がソフトウェアの精度に匹敵する精度を達成したことを知りました。静的ニューラルネットワークと比較して、計算量が48.1%、15.9%削減、従来のデジタル ハードウェア システムと比較してコンピューティング エネルギー消費を削減します。