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

脈沖神經(jīng)網(wǎng)絡(luò)成為下一代機(jī)器學(xué)習(xí)?

倩倩 ? 來源:互聯(lián)網(wǎng)新快報(bào) ? 2020-03-27 15:37 ? 次閱讀

學(xué)習(xí)是人工智能領(lǐng)域的核心問題,對(duì)于SNN來說,基于脈沖時(shí)間層次的學(xué)習(xí)方法研究,對(duì)于通過理論模型來驗(yàn)證生物神經(jīng)系統(tǒng)的信息處理和學(xué)習(xí)機(jī)制是必須的。通過生物可解釋的方式建立人工神經(jīng)系統(tǒng),科學(xué)家希望可以通過神經(jīng)科學(xué)和行為實(shí)驗(yàn)來達(dá)到預(yù)期目的。

脈沖神經(jīng)網(wǎng)絡(luò)將脈沖神經(jīng)元作為計(jì)算單元,能夠模仿人類大腦的信息編碼和處理過程。不同于CNN使用具體的值進(jìn)行信息傳遞,SNN通過脈沖序列中每個(gè)脈沖發(fā)射時(shí)間進(jìn)行信息的傳遞,能夠提供稀疏但強(qiáng)大的計(jì)算能力。脈沖神經(jīng)元將輸入累積到膜電壓,當(dāng)達(dá)到具體閾值時(shí)進(jìn)行脈沖發(fā)射,能夠進(jìn)行事件驅(qū)動(dòng)式計(jì)算。由于脈沖事件的稀疏性以及事件驅(qū)動(dòng)的計(jì)算形式,SNN能提供卓越的能源利用效率,是神經(jīng)形態(tài)結(jié)構(gòu)的首選神經(jīng)網(wǎng)絡(luò)。

脈沖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式主要包括無監(jiān)督學(xué)習(xí)、監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等。無監(jiān)督學(xué)習(xí)算法在人類和動(dòng)物的學(xué)習(xí)中占據(jù)主導(dǎo)地位,人們通過觀察能夠發(fā)現(xiàn)世界的內(nèi)在結(jié)構(gòu),而不是被告知每一個(gè)客觀事物的名稱。人工神經(jīng)網(wǎng)絡(luò)無監(jiān)督學(xué)習(xí)算法的設(shè)計(jì)主要是針對(duì)無標(biāo)簽數(shù)據(jù)集的訓(xùn)練,要求應(yīng)用無監(jiān)督學(xué)習(xí)規(guī)則對(duì)神經(jīng)網(wǎng)絡(luò)中的連接權(quán)值或結(jié)構(gòu)進(jìn)行自適應(yīng)的調(diào)整。

脈沖神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)是指對(duì)于給定的多個(gè)輸入脈沖序列和多個(gè)目標(biāo)脈沖序列,尋找脈沖神經(jīng)網(wǎng)絡(luò)合適的突觸權(quán)值矩陣,使神經(jīng)元的輸出脈沖序列與對(duì)應(yīng)的目標(biāo)脈沖序列盡可能接近,即兩者的誤差評(píng)價(jià)函數(shù)最小。強(qiáng)化學(xué)習(xí)是從環(huán)境狀態(tài)到行為映射的學(xué)習(xí),以使智能體行為從環(huán)境中獲得的累積獎(jiǎng)賞值最大。基于生物啟發(fā)的學(xué)習(xí)機(jī)制,人工神經(jīng)網(wǎng)絡(luò)強(qiáng)化學(xué)習(xí)的研究重點(diǎn)在于探索智能體的自適應(yīng)優(yōu)化策略,是近年來神經(jīng)網(wǎng)絡(luò)和智能控制領(lǐng)域的主要方法之一。

但我們亟待解決的問題是,在標(biāo)準(zhǔn)的硬件模擬脈沖神經(jīng)網(wǎng)絡(luò)是計(jì)算密集型的,因?yàn)檫@需要模擬微分方程。然而,像IBM的TrueNorth等仿神經(jīng)硬件解決了這個(gè)問題,它旨在是通過使用特定硬件模擬神經(jīng)元,該硬件可以利用神經(jīng)元脈沖行為的離散和稀疏特性優(yōu)勢(shì)來模擬神經(jīng)元。

脈沖神經(jīng)網(wǎng)絡(luò)的未來尚不明確,一方面,它是循環(huán)神經(jīng)網(wǎng)絡(luò)的天然繼任者;另一方面,對(duì)于大多數(shù)任務(wù)來說,這還不是較為實(shí)用的工具。脈沖神經(jīng)網(wǎng)絡(luò)在實(shí)時(shí)圖像和音頻處理領(lǐng)域得到一些實(shí)際應(yīng)用,但文獻(xiàn)仍然較少。但是,現(xiàn)在有很多團(tuán)隊(duì)正在從事脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)規(guī)則的工作,因此我對(duì)其未來發(fā)展保持較為樂觀的態(tài)度。

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(chǎng)。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
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4730

    瀏覽量

    100354
  • 脈沖
    +關(guān)注

    關(guān)注

    20

    文章

    882

    瀏覽量

    95430
  • 人工智能
    +關(guān)注

    關(guān)注

    1789

    文章

    46445

    瀏覽量

    236685
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    基于機(jī)器學(xué)習(xí)的第三神經(jīng)網(wǎng)絡(luò)--脈沖神經(jīng)網(wǎng)絡(luò)的解析

    第三神經(jīng)網(wǎng)絡(luò)脈沖神經(jīng)網(wǎng)絡(luò)(Spiking Neural Network,SNN),旨在彌合神經(jīng)科學(xué)和
    的頭像 發(fā)表于 01-15 10:14 ?1.6w次閱讀

    labview BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

    請(qǐng)問:我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷,在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包(MLT),但是里面沒有關(guān)于這部分VI的幫助文檔,對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方,
    發(fā)表于 02-22 16:08

    FPGA 超越 GPU,問鼎下一代深度學(xué)習(xí)主引擎

    FPGA 的性能比Titan X Pascal GPU 提高了60%,而性能/功耗比好2.3倍。結(jié)果表明,F(xiàn)PGA 可能成為下一代DNN 加速的首選平臺(tái)7.深層神經(jīng)網(wǎng)絡(luò)中FPGA的未來FPGA 能否
    發(fā)表于 04-27 14:10

    神經(jīng)網(wǎng)絡(luò)解決方案讓自動(dòng)駕駛成為現(xiàn)實(shí)

    及 3x3 的 24 層卷積神經(jīng)網(wǎng)絡(luò), 其性能表現(xiàn)幾乎是個(gè)在典型的 GPU/CPU 綜合處理引擎上運(yùn)行的類似 CNN 的三倍,盡管其所需的內(nèi)存帶寬只是后者的五分之且功耗大幅降低。下一代
    發(fā)表于 12-21 17:11

    【PYNQ-Z2試用體驗(yàn)】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)

    神經(jīng)網(wǎng)絡(luò)首先來看下維基百科對(duì)神經(jīng)網(wǎng)絡(luò)的定義:人工神經(jīng)網(wǎng)絡(luò)(英語:Artificial Neural Network,ANN),簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 03-03 22:10

    機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)參數(shù)的代價(jià)函數(shù)

    吳恩達(dá)機(jī)器學(xué)習(xí)筆記之神經(jīng)網(wǎng)絡(luò)參數(shù)的反向傳播算法
    發(fā)表于 05-22 15:11

    【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)

    今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò),分別是自適應(yīng)諧振(ART)神經(jīng)網(wǎng)絡(luò)與自組織映射(SOM)神經(jīng)網(wǎng)絡(luò)。整體感覺不是很難,只不過些最基礎(chǔ)的概念容易理解不
    發(fā)表于 07-21 04:30

    【AI學(xué)習(xí)】第3篇--人工神經(jīng)網(wǎng)絡(luò)

    `本篇主要介紹:人工神經(jīng)網(wǎng)絡(luò)的起源、簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟:訓(xùn)練與預(yù)測(cè)、訓(xùn)練的兩階段:正向推演與反向傳播、以Te
    發(fā)表于 11-05 17:48

    如何用卷積神經(jīng)網(wǎng)絡(luò)方法去解決機(jī)器監(jiān)督學(xué)習(xí)下面的分類問題?

    人工智能下面有哪些機(jī)器學(xué)習(xí)分支?如何用卷積神經(jīng)網(wǎng)絡(luò)(CNN)方法去解決機(jī)器學(xué)習(xí)監(jiān)督學(xué)習(xí)下面的分類
    發(fā)表于 06-16 08:09

    有關(guān)脈沖神經(jīng)網(wǎng)絡(luò)的基本知識(shí)

    譯者|VincentLee來源 |曉飛的算法工程筆記脈沖神經(jīng)網(wǎng)絡(luò)(Spiking neural network, SNN)將脈沖神經(jīng)元作為計(jì)算單...
    發(fā)表于 07-26 06:23

    脈沖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式有哪幾種?

    脈沖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式有哪幾種?
    發(fā)表于 10-26 06:58

    卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

    卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用轉(zhuǎn)載****地址:http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學(xué)習(xí)機(jī)器學(xué)習(xí)和人工智能研究的最新
    發(fā)表于 08-02 10:39

    卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介:什么是機(jī)器學(xué)習(xí)

    抽象人工智能 (AI) 的世界正在迅速發(fā)展,人工智能越來越多地支持以前無法實(shí)現(xiàn)或非常難以實(shí)現(xiàn)的應(yīng)用程序。本系列文章解釋了卷積神經(jīng)網(wǎng)絡(luò) (CNN) 及其在 AI 系統(tǒng)中機(jī)器學(xué)習(xí)中的重要性。CNN 是從
    發(fā)表于 02-23 20:11

    為什么使用機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)以及需要了解的八種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

    機(jī)器學(xué)習(xí)已經(jīng)在各個(gè)行業(yè)得到了大規(guī)模的廣泛應(yīng)用,并為提升業(yè)務(wù)流程的效率、提高生產(chǎn)率做出了極大的貢獻(xiàn)。這篇文章主要介紹了機(jī)器學(xué)習(xí)中最先進(jìn)的算法之
    的頭像 發(fā)表于 01-10 16:30 ?1.2w次閱讀
    為什么使用<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>和<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>以及需要了解的八種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>結(jié)構(gòu)

    基于脈沖神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)算法

    使用脈沖序列進(jìn)行數(shù)據(jù)處理的脈沖神經(jīng)網(wǎng)絡(luò)具有優(yōu)異的低功耗特性,但由于學(xué)習(xí)算法不成熟,多層網(wǎng)絡(luò)練存在收斂困難的問題。利用反向傳播
    發(fā)表于 05-24 16:03 ?15次下載