`

СПЕЦІАЛЬНІ
ПАРТНЕРИ
ПРОЕКТУ

Чи використовує ваша компанія ChatGPT в роботі?

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Леонід Бараш

Создан нейронный процессор для обработки изображений

+66
голосов

Нейронная сеть на чипе, обрабатывающая изображения в 1000 раз быстрее, чем традиционные средства, - такова цель 5,7-миллионного проекта DARPA, разрабатываемого в Мичиганском университете.

Еще одна цель проекта – с помощью мемристоров в качестве синапсов нейронной памяти, которые не тратят энергию в режиме холостого хода, создать нейронную сеть для обработки изображений, которая расходует в 10 тыс. раз меньше энергии, чем современные устройства.

Адаптивные нейронные сети узнают об особенностях изображений не на основе запоминания значений их пикселов, что обеспечивает их (изображений) более простое представление в памяти.

Чтобы определить такие особенности, нейроны размещаются на входах всех пикселов образа одновременно, затем обрабатывают их в слоях с различными синапсами между ними – подобно зрительной зоне коры головного мозга. Изучение изображения начинается с его ввода в первый слой, после чего сразу средние слои самоорганизуют внутреннее представление, и последний слой действует как массив одиночных детекторов особенностей изображения. С практической точки зрения, чем больше особенностей представлено нейронной сети во время обучения, тем сильнее будут становиться связи синапсов, которые определяют особенности.

      Создан нейронный процессор для обработки изображений
Нейронный процессор для обработки изображений будет соединять искусственные нейроны с помощью кросса (слева внизу) мемристоров с мигрирующими кислородными вакансиями (справа вверху) в окисел вольфрама для адаптивного изменения силы связи синапсов

Чтобы протестировать несколько различные архитектуры, исследователи из Мичигана, возглавляемые проф. Вей Лу (Wei Lu), разработали два прототипа. В более простом для хранения значений своих синапсов применяются мемристоры, но используются обычные связи между слоями. Более сложная архитектура в большей степени имитирует мозг, используя мемристоры для обработки всплесков напряжения, возникающего между слоями.

«По существу, мы развиваем два подхода. В одном применяются локальные мемристоры для хранения весовых коэффициентов, которые вычисляются с использованием хорошо известных алгоритмов обучения, а основные вычисления выполняются в нейроне. Второй подход более сложен, поскольку в нем мемристоры используются для обучения прямо в своих синапсах. Это рискованный подход, потому что при нем необходим большой объем памяти и алгоритмы не столь известны, - объяснил проф. Лу. – Мы стимулируем сеть входными сигналами от изображении, так что сеть самонастраивается и уточняет весовые коэффициенты до тех пор, пока одиночный нейрон не начинает реагировать на специфическую особенность изображения. После этого мы можем данную сеть использовать для определения, если специфическая особенность присутствует в каком-либо изображении».

Вторая фаза проекта предусматривает разработку классификатора, который по комбинации определенных особенностей распознает объект, например, свой ли это F-15, или МиГ противника.

Создан нейронный процессор для обработки изображений

Массив мемристоров (в центре), действующих как запоминающие синапсы для обучения, использует окисел вольфрама с вакансиями, которые мигрируют, когда протекающий ток изменяет силу связей синапсов

Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365

+66
голосов

Напечатать Отправить другу

Читайте также

 

Ukraine

 

  •  Home  •  Ринок  •  IТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Мережі  •  Безпека  •  Наука  •  IoT