欧洲杯足彩比分

北理工在光电融会储蓄池计较用于说话进修方面获得主要停顿


2d2bbb1d137240fc943ad8f061653ff8.jpg

日前,北京理工大学物理学院院长姚裕贵团队孙林锋传授与韩国高档迷信手艺研讨院Heejun Yang传授,香港大学Wang Zhongrui传授协作,提出了一种基于低维资料体系的新型多维度光电融会忆阻器件,完成了传感器内储蓄池计较,并胜利用在说话标记辨认与进修上。在斟酌类似度极高的搅扰项存在的条件下,对庞杂的说话句子体系完成了91%的辨认率。该项功效为机械进修和边缘计较利用供给了一种处置时序旌旗灯号事务的低本钱练习计划。此项任务于蒲月十四日颁发在《Science》子刊 Science Advances上。

最近几年来,受生物开导的机械视觉在成长敏捷,由于视觉感知把握了人类与四周情况互动进程中约80%摆布以上的信息量。虽然人们在摹拟人脑的视觉皮层以完成“看”的功效方面支出了庞杂的尽力,物理上分手的传感、内存和处置单位致使了大批的能量花费、时候提早和额定的硬件本钱。出格是跟着物联网的疾速成长和爆炸式增添的数据量,物联网上的传感器节点数也随之延续增添。另外,传统的递归神经收集练习算法过于庞杂、计较量过于庞杂,收敛速率较慢,收集布局也很难优化,进一步加重了这一挑衅。而储蓄池计较已被证实能够明显下降计较本钱,为开辟用于时候形式分类、浑沌态展望等供给了一个很好的处置计划。可是,今朝的储蓄池计较在信息处置进程中是串行的,没法完成更具潜力的传感并行机制。是以,若何完成传感器内储蓄池计较将是信息处置速率进一步进步的关头,有益于储蓄池计较朝着高速、低功耗和易于集成的标的目的成长。此项研讨任务降服了物理上分手的传感器和储蓄池计较这一手艺瓶颈,大大下降了体系进修庞杂度和计较本钱。此方式能够应答物联网时期对爆炸式增添的大数据处置的火急请求,为完成更有用的机械进修和类脑计较供给了手艺上的冲破。

微信图片_20210519153621.png

物理学院孙林锋传授为该任务的第一作者,Heejun Yang传授为通信作者。该任务获得北京理工大学青年学者名目研讨奖金,韩国三星研讨基金会,三星电子孵化基金和韩国国度研讨基金的撑持。

Linfeng Sun, Zhongrui Wang, Jinbao Jiang, Yeji Kim, Bomin Joo, Shoujun Zheng, Seungyeon Lee, Woo Jong Yu, Bai Sun Kong and Heejun Yang*, “In-sensor reservoir computing for language learning via two-dimensional memristors”, Science Advances, 7, 20, 2021 (eabg1455).

文章链接:


分享到: