9 月 1 日消息,中國科學院微電子研究所等將人工神經網絡與大腦的動態可重構性相結合,開發出基于語義記憶的動態神經網絡。
大腦神經網絡具有復雜的語義記憶和動態連接性,可將不斷變化的輸入與龐大記憶中的經驗聯系起來,高效執行復雜多變的任務。
目前,人工智能系統廣泛應用的神經網絡模型多是靜態的。隨著數據量不斷增長,它在傳統數字計算系統中產生大量能耗和時間開銷,難以適應外界環境的變化。
與靜態網絡相比,語義記憶動態神經網絡能夠根據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境中展現出色的性能。
獲悉,在對 2D 圖像數據集 MNIST 和 3D 點云數據集 ModelNet 的分類任務中,該設計實現了與軟件相當的準確率,相比于靜態神經網絡減少了 48.1% 和 15.9% 的計算量,相比傳統數字硬件系統降低了計算能耗。
本文鏈接:http://www.tebozhan.com/showinfo-45-6664-0.html中國科學院開發出基于語義記憶的動態神經網絡:相比靜態最高減少 48.1% 計算量
聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。郵件:2376512515@qq.com