Более стремительная обработка изображения имела возможность иметь громадные последствия для независимых совокупностей, таких как самоходные машины, говорит Вэй Лу, учитель U-M информатики и электротехники. Лу – ведущий создатель статьи о работе, изданной в текущей проблеме Нанотехнологий Природы.Компьютерные компоненты лютеция нового поколения применяют распознавание образов для маленького пути энергоемкий процесс простое применение совокупностей, дабы разбирать изображения. В данной новой работе он и его сотрудники демонстрируют метод, что надеется на технику, названную «редкое кодирование», дабы уговорить их 32 32 множество мемристоров, дабы действенно проанализировать и воссоздать пара фотографий.
Мемристоры – электрические резисторы с памятью – продвинул электронные устройства, каковые регулируют ток на базе истории напряжений, относился к ним. Они смогут сохранить и обработать эти в один момент, каковые делают их намного более действенными, чем классические совокупности.
В функции памяти и обычном компьютере логика находятся в разных частях схемы.«Задачи, каковые мы просим сегодняшних компьютеров выращивать в сложности», сообщил Лу. «В этих ‘громадных данных’ эра, компьютеры требуют, дабы дорогостоящие, постоянные и медленные связи между их памятью и процессором вернули солидные информацию о суммах. Это делает их громадными, дорогими и властолюбивыми».Но как нейронные сети в биологическом мозгу, сети мемристоров смогут выполнить большое количество операций одновременно с этим, не имея необходимость перемещать эти.
В следствии они имели возможность разрешить новые платформы, каковые обрабатывают огромное количество сигналов параллельно и могут к передовому машинному обучению. Мемристоры – хорошие кандидаты на глубокие нейронные сети, отрасль машинного обучения, которое обучает компьютеры делать процессы, не будучи очевидно запрограммированным, дабы сделать так.
«Нам нужна отечественная электроника нового поколения, дабы быть в состоянии скоро обработать сложные данные в динамической среде. Вы не имеете возможность лишь разработать программу, дабы сделать это. Время от времени у Вас кроме того нет предопределенной задачи», сообщил Лу. «Дабы сделать отечественные совокупности умнее, мы должны отыскать методы для них обработать большое количество данных более действенно.
Отечественный подход, дабы достигнуть, что вдохновлен нейробиологией».Мозг млекопитающего в состоянии произвести уборку, впечатления доли секунды от того, что принимают глаза.
Одна обстоятельство пребывает в том, по причине того, что они смогут скоро признать разные меры форм. Люди делают это применение лишь ограниченное число нейронов, каковые становятся активными, говорит Лу.
И нейробиологи и программисты именуют процесс «редким кодированием».«В то время, когда мы будем наблюдать на стул, мы признаем его, по причине того, что его изюминки соответствуют отечественной сохраненной умственной картине стула», сообщил Лу. «Не смотря на то, что не все стулья – то же самое, и кое-какие смогут различаться от умственного прототипа, что является стандартом, любой стул сохраняет кое-какие главные изюминки, нужные для легкого признания. По большей части объект верно признан момент, это верно классифицировано – в то время, когда ‘сохранено’ в соответствующей категории в отечественных головах».Совершенно верно так же электронная совокупность Лютеция создана, дабы найти образцы весьма действенно – и применять как возможно меньше функций, дабы обрисовать уникальный вход.
В отечественных мозгах разные нейроны признают разные образцы, говорит Лу.«В то время, когда мы будем видеть изображение, нейроны, каковые признают, что это станет более активным», сообщил он. «Нейроны будут кроме этого соперничать между собой, дабы конечно создать действенное представление. Мы осуществляем данный подход в отечественной электронной совокупности».
Исследователи научили собственную совокупность изучать «словарь» изображений. Обученный на последовательности образцов шкалы яркости изображения, их сеть мемристора смогла вернуть изображения известных фотографий и картин и других испытательных образцов.
В случае если их совокупность возможно расширена, они ожидают быть в состоянии обработать и проанализировать видео в реальном времени в компактной совокупности, которая возможно конкретно объединена с датчиками либо камерами.