色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

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

SpiNNaker為模擬大規(guī)模神經(jīng)網(wǎng)絡(luò)提供高性能平臺(tái)

EdXK_AI_News ? 來源:未知 ? 作者:胡薇 ? 2018-08-09 10:06 ? 次閱讀

科研人員利用一個(gè)名為SpiNNaker的神經(jīng)形態(tài)計(jì)算機(jī)開展大腦仿真實(shí)驗(yàn),取得的效果與利用傳統(tǒng)超級(jí)計(jì)算機(jī)進(jìn)行仿真獲取的最佳效果不相上下。

該研究由德國于利希研究中心(Jülich Research Centre)聯(lián)合英國曼徹斯特大學(xué)(University of Manchester)、日本理研腦科學(xué)研究所(RIKEN Brain Institute)、德國亞琛工業(yè)大學(xué)(Aachen University)共同開展。他們?cè)凇渡窠?jīng)科學(xué)前沿》(Frontiers in Neuroscience)發(fā)表的一篇文章中表示已實(shí)現(xiàn)了“在SpiNNaker上對(duì)腦皮質(zhì)微神經(jīng)網(wǎng)絡(luò)生物時(shí)間標(biāo)度水平的首次全范圍仿真”,研究構(gòu)建的模型由8萬個(gè)神經(jīng)元和3億個(gè)突觸組成,是在該平臺(tái)上進(jìn)行的最大規(guī)模仿真。

SpiNNaker旨在為實(shí)時(shí)模擬大規(guī)模神經(jīng)網(wǎng)絡(luò)提供高性能平臺(tái)。第一版系統(tǒng)于2009年建成。在當(dāng)前版本,SpiNNaker擴(kuò)展到600塊板,每一塊都配備了1、4或者48個(gè)Arm 968芯片。該芯片有18個(gè)核,由分組交換異步通信網(wǎng)絡(luò)連接起來,一塊128MB SDRAM模安裝在處理器上。

“大腦皮層是大腦中接收和出來感官信息的外層。SpiNNaker可以支持大腦皮層的詳細(xì)生物模型,得到的結(jié)果與相當(dāng)超級(jí)計(jì)算機(jī)軟件仿真的結(jié)果很相近?!毖芯咳藛T說,“快速低能耗地運(yùn)行大規(guī)模詳細(xì)的神經(jīng)網(wǎng)絡(luò),這種能力會(huì)推進(jìn)機(jī)器人研究,有助于學(xué)習(xí)和大腦障礙方面的研究?!?/p>

本研究提高了系統(tǒng)軟件性能,將神經(jīng)網(wǎng)絡(luò)仿真擴(kuò)展到多塊板,從而達(dá)到最新的高標(biāo)準(zhǔn)。為此,研究人員利用了SpiNNaker的六塊48-芯片板,總計(jì)217個(gè)Arm 968 SoC和1934個(gè)核。這還不到該系統(tǒng)總計(jì)算能力的百分之一。

為進(jìn)行比較,研究人員在32節(jié)點(diǎn)HPC集群上運(yùn)行尖峰神經(jīng)網(wǎng)絡(luò)的NEST仿真軟件,由英特爾至強(qiáng)(Xeon)E5-2680v3處理器(以2.5GHz運(yùn)行的12核)支持。每個(gè)節(jié)點(diǎn)包含了兩個(gè)處理器、128 GB RAM、240 GB 本地 SSD 存儲(chǔ),系統(tǒng)的互連為QDR InfiniBand。

該研究表明,SpiNNaker仿真和在HPC集群利用NEST的系統(tǒng)仿真準(zhǔn)確性相近,但SpiNNaker僅限于定點(diǎn)運(yùn)算。雖然NEST上運(yùn)行的仿真比SpiNNaker的更快,但兩個(gè)平臺(tái)每個(gè)突觸事件的耗能具有可比性?!皟蓚€(gè)平臺(tái)運(yùn)行的仿真得到結(jié)果很相近?!毖芯咳藛T說,“這是大腦皮層的詳細(xì)仿真首次在SpiNNaker或者任何神經(jīng)形態(tài)平臺(tái)運(yùn)行。”

研究人員還指出,該研究的結(jié)果將用于改進(jìn)軟件,讓等效仿真能在單塊板上運(yùn)行。能做到這一點(diǎn)意義重大,因?yàn)檫@是最可能用于機(jī)器人控制的配置。事實(shí)上,歐洲人類腦計(jì)劃(European Human Brain Project)的神經(jīng)機(jī)器人學(xué)家已與SpiNNaker項(xiàng)目合作,希望可將其用于獨(dú)立機(jī)器人。

這些機(jī)器人應(yīng)用旨在構(gòu)建平臺(tái),消耗目前超級(jí)計(jì)算機(jī)的一小部分能源就可以進(jìn)行實(shí)時(shí)大腦仿真。理想情況下,能耗相當(dāng)于實(shí)際大腦的20至30瓦水平。本研究表明,SpiNNaker這類神經(jīng)形態(tài)系統(tǒng)的發(fā)展可能會(huì)成為實(shí)現(xiàn)大腦仿真的最實(shí)際途徑。

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。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

原文標(biāo)題:神經(jīng)形態(tài)計(jì)算成為大腦仿真最佳平臺(tái)之一

文章出處:【微信號(hào):AI_News,微信公眾號(hào):人工智能快報(bào)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    所擬合的數(shù)學(xué)模型的形式受到大腦中神經(jīng)元的連接和行為的啟發(fā),最初是為了研究大腦功能而設(shè)計(jì)的。然而,數(shù)據(jù)科學(xué)中常用的神經(jīng)網(wǎng)絡(luò)作為大腦模型已經(jīng)過時(shí),現(xiàn)在它們只是能夠在某些應(yīng)用中提供最先進(jìn)性能
    的頭像 發(fā)表于 01-09 10:24 ?517次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    遞歸神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)

    遞歸神經(jīng)網(wǎng)絡(luò)是一種旨在處理分層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò),使其特別適合涉及樹狀或嵌套數(shù)據(jù)的任務(wù)。這些網(wǎng)絡(luò)明確地模擬了層次結(jié)構(gòu)中的關(guān)系和依賴關(guān)系,例如語言中的句法結(jié)構(gòu)或圖像中的層次表示。它使用遞歸操
    的頭像 發(fā)表于 07-10 17:21 ?853次閱讀
    遞歸<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>和循環(huán)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的模型結(jié)構(gòu)

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個(gè)方面,詳細(xì)闡述BP
    的頭像 發(fā)表于 07-10 15:20 ?1538次閱讀

    rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

    RNN(Recurrent Neural Network)是循環(huán)神經(jīng)網(wǎng)絡(luò),而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò),能夠處理序列數(shù)據(jù),具有記憶功能。以下是關(guān)于循環(huán)
    的頭像 發(fā)表于 07-05 09:52 ?728次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANNs)是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計(jì)算模型,它在許多領(lǐng)域,如圖像識(shí)別、語音識(shí)別、自然語言處理、預(yù)測分析等有著廣泛的應(yīng)用。本文將
    的頭像 發(fā)表于 07-05 09:13 ?1517次閱讀

    遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)

    遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,簡稱RNN)實(shí)際上是同一個(gè)概念,只是不同的翻譯方式
    的頭像 發(fā)表于 07-04 14:54 ?1009次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 14:24 ?1599次閱讀

    深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

    在探討深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks, DNNs)與基本神經(jīng)網(wǎng)絡(luò)(通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò))的區(qū)別時(shí),我們需要從多個(gè)維度進(jìn)行深入分析。這些維度包括
    的頭像 發(fā)表于 07-04 13:20 ?1198次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹

    人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類專門深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)的處理器。它們具有高性能、低功耗、可擴(kuò)展等特點(diǎn),廣泛應(yīng)用于圖像識(shí)別、語音識(shí)別、自然語言處理等領(lǐng)域。以下是關(guān)于人工智能
    的頭像 發(fā)表于 07-04 09:33 ?1047次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network,簡稱BP神經(jīng)網(wǎng)絡(luò))是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置,以達(dá)到最小化誤差的
    的頭像 發(fā)表于 07-03 11:00 ?947次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)

    Network)有相似之處,但它們之間還是存在一些關(guān)鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型,它由大量的神經(jīng)元(或稱為節(jié)點(diǎn))組成,這些神經(jīng)元通過權(quán)重連接在一起
    的頭像 發(fā)表于 07-03 10:14 ?1023次閱讀

    bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò),它們?cè)?/div>
    的頭像 發(fā)表于 07-03 10:12 ?1509次閱讀

    BP神經(jīng)網(wǎng)絡(luò)激活函數(shù)怎么選擇

    中,激活函數(shù)起著至關(guān)重要的作用,它決定了神經(jīng)元的輸出方式,進(jìn)而影響整個(gè)網(wǎng)絡(luò)性能。 一、激活函數(shù)的作用 激活函數(shù)是BP神經(jīng)網(wǎng)絡(luò)神經(jīng)元的核心
    的頭像 發(fā)表于 07-03 10:02 ?879次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    不同的神經(jīng)網(wǎng)絡(luò)模型,它們?cè)诮Y(jié)構(gòu)、原理、應(yīng)用等方面都存在一定的差異。本文將從多個(gè)方面對(duì)這兩種神經(jīng)網(wǎng)絡(luò)進(jìn)行詳細(xì)的比較和分析。 引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元連接和信息傳遞的計(jì)算模型,它
    的頭像 發(fā)表于 07-02 14:24 ?5090次閱讀

    神經(jīng)網(wǎng)絡(luò)在數(shù)學(xué)建模中的應(yīng)用

    數(shù)學(xué)建模是一種利用數(shù)學(xué)方法和工具來描述和分析現(xiàn)實(shí)世界問題的過程。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)和功能的計(jì)算模型,可以用于解決各種復(fù)雜問題。在數(shù)學(xué)建模中,神經(jīng)網(wǎng)絡(luò)可以作為一種有效的工具,幫助我們更好
    的頭像 發(fā)表于 07-02 11:29 ?1216次閱讀
    主站蜘蛛池模板: 偷窥美女3 | 国产小伙和50岁熟女23p | 一道本av免费不卡播放 | 40岁东北老阿姨无码 | 午夜亚洲WWW湿好大 午夜性爽视频男人的天堂在线 | bl 纯肉 高Hbl被强文 | 成人手机在线观看 | 中文字幕在线观看网址 | 永久精品免费影院在线观看网站 | 美国色情三级欧美三级纸匠情挑 | 国产精品1卡二卡三卡四卡乱码 | 乱色欧美激惰 | 永久免费看mv网站入口 | 国产AV午夜精品一区二区入口 | 古装性艳史电影在线看 | 夜蒲团之5阳性之教 | 花蝴蝶在线高清视频观看免费播放 | 精品国产免费人成视频 | 高清毛片一区二区三区 | 国产成人精品区在线观看 | 乡村教师电影完整版在线观看 | 88蜜桃人妻无码精品系列 | 特级毛片AAAAAA| A国产一区二区免费入口 | 别停好爽好深好大好舒服视频 | 亚洲欧洲日韩视频在钱 | 99久久国产综合精品国 | 亚洲欧美国产旡码专区 | 亚洲欧美国产双大乳头 | 午夜亚洲WWW湿好大 午夜性爽视频男人的天堂在线 | 国产乱码精品AAAAAAAA | 99人精品福利在线观看 | 又黄又猛又爽大片免费 | 很很射影院 | 国语精彩对白2021 | 超碰97人人做人人爱亚洲尤物 | 超级碰碰青草久热国产 | 国产成人在线视频网站 | 秋霞影音先锋一区二区 | 亚洲 自拍 偷拍 另类综合图区 | 国产色婷婷精品人妻蜜桃成熟时 |