`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

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

 

Мемристорные нейросети сравнялись в точности с транзисторными

0 
 

Мемристорные нейросети сравнялись в точности с транзисторными

Системы, в которой для создания искусственных нейронных сетей используются мемристоры, как минимум в 1000 раз более энергоэффективны, чем обычное ИИ-оборудование на основе транзисторов, но и более подвержены ошибкам.

В опубликованном в Nature Communications новом исследовании инженеры из Лондонского Университетского Колледжа (UCL) показали, что точность можно значительно повысить, если заставить мемристоры работать вместе в нескольких подгруппах нейронных сетей и усреднить их вычисления. Благодаря этому ошибки каждой из подгрупп взаимно погашаются.

Руководитель работы, доктор Аднан Мехонич (Adnan Mehonic), заявил: «Наш подход показывает, что для мемристоров несколько голов лучше, чем одна. Разделение нейронной сети на несколько меньших сетей, вместо одной большой, в целом привело к повышению точности».

Команда UCL вместе с коллегами из Великобритании и США протестировала свой новый подход на нескольких различных типах мемристоров и обнаружила, что он повышает точность во всех случаях, независимо от используемого материала или конкретной мемристорной технологии. Он также работает для ряда других проблем, способных влиять на точность мемристоров.

Авторы установили, что их методика выводит мемристорные нейросети в типичных задачах ИИ по точности на уровень программных средств, работающих на обычном цифровом оборудовании.

«Мы считаем, что сейчас настало время, и мемристоры, над которыми мы работали в течение нескольких лет, должны занять ведущее место в эру более энергоэффективных устройств IoT и граничных вычислений», — считает ещё один соавтор статьи, профессор UCL Тони Кеньон (Tony Kenyon).

Мемристорные вычисления часто называют нейроморфными, потому что, как и в мозге, обработка и память реализованы в них вместе, в одних адаптивных строительных блоках, в отличие от современных компьютерных систем, которые тратят огромную энергию на перемещение данных.

Защита промышленных сетей: основные риски и сценарии атак

0 
 

Напечатать Отправить другу

Читайте также

 
 

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT