女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(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)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

全球首款利用尖峰遞歸神經(jīng)網(wǎng)絡(luò)(SNN)處理雷達(dá)信號的芯片

iIeQ_mwrfnet ? 來源:微波射頻網(wǎng) ? 2020-06-05 16:53 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

據(jù)外媒報道,近日歐洲研究與創(chuàng)新中心(IMEC)推出全球首款利用尖峰遞歸神經(jīng)網(wǎng)絡(luò)(SNN)處理雷達(dá)信號的芯片。IMEC芯片模仿生物神經(jīng)元識別時間模式的方式,比傳統(tǒng)方案相比,功耗減少了100倍,同時延遲減少了10倍,幾乎可以瞬間做出決定。例如,僅使用30μW的功耗就可對微型多普勒雷達(dá)信號進(jìn)行分類。

該芯片架構(gòu)和算法可以很容易地調(diào)整以處理各種傳感器數(shù)據(jù),包括心電圖、語音、聲納、雷達(dá)和激光雷達(dá)流等。首個應(yīng)用案例將包括為無人機(jī)創(chuàng)建一個低功耗、高智能的防碰撞雷達(dá)系統(tǒng),可以更有效地對接近的物體做出反應(yīng)。

人工神經(jīng)網(wǎng)絡(luò)(ANN)已被證明可在廣泛的應(yīng)用領(lǐng)域中使用,例如,已被用于汽車工業(yè)中常用的基于雷達(dá)的防撞系統(tǒng)。但是,人工神經(jīng)網(wǎng)絡(luò)有其自身的局限性——它們消耗的功率過多,無法集成到越來越受約束的(傳感器)設(shè)備中。此外,人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)架構(gòu)和數(shù)據(jù)格式要求數(shù)據(jù)在做出決定之前要經(jīng)歷從傳感器設(shè)備到AI推理算法的耗時過程。因此,Imec決定使用尖峰神經(jīng)網(wǎng)絡(luò)(SNN,spiking neural networks)。

IMEC的神經(jīng)形態(tài)感應(yīng)程序經(jīng)理Ilja Ocket表示:“這是世界上第一個使用遞歸尖峰神經(jīng)網(wǎng)絡(luò)處理雷達(dá)信號的芯片。SNN的運(yùn)行與生物神經(jīng)網(wǎng)絡(luò)非常相似,在該過程中,僅當(dāng)感覺輸入發(fā)生變化時,神經(jīng)元才會隨時間稀疏地發(fā)射電脈沖。這樣,可以顯著降低能耗。此外,該芯片上的尖刺神經(jīng)元可以循環(huán)連接,即將SNN變成一個學(xué)習(xí)和記憶時間模式的動態(tài)系統(tǒng)。該技術(shù)是自學(xué)系統(tǒng)研發(fā)的重大飛躍。”

該芯片最初設(shè)計為在功率受限的設(shè)備中支持心電圖(ECG)和語音處理。由于其通用架構(gòu)具有全新的數(shù)字硬件。在設(shè)計上,還可以輕松地對其進(jìn)行重新配置,以處理各種其他傳感輸入信號,例如聲納,雷達(dá)和激光雷達(dá)數(shù)據(jù)。

模擬SNN相反,IMEC的事件驅(qū)動數(shù)字設(shè)計使該芯片能夠像神經(jīng)網(wǎng)絡(luò)仿真工具所預(yù)測的那樣精確且重復(fù)地運(yùn)行。

IMEC描述了一個涉及無人機(jī)行業(yè)的用例,該應(yīng)用甚至比汽車行業(yè)還要多,它與受約束的設(shè)備(例如容量有限的電池)一起工作,這些設(shè)備需要對環(huán)境的變化迅速做出反應(yīng),以便對接近的障礙物做出適當(dāng)?shù)姆磻?yīng)。

“我們這款新芯片的旗艦用例包括為無人機(jī)創(chuàng)建低延遲、低功耗的防撞系統(tǒng)。在靠近雷達(dá)傳感器的地方進(jìn)行處理,我們的芯片可使雷達(dá)傳感系統(tǒng)更快、更準(zhǔn)確地區(qū)分正在接近的物體。反過來,這將使無人機(jī)幾乎可以立即對潛在的危險情況做出反應(yīng)。” Ocket解釋說。“目前,我們正在探索一種方案,該方案以自主無人機(jī)為基礎(chǔ),這些無人機(jī)依靠其車載攝像頭和雷達(dá)傳感器系統(tǒng)進(jìn)行倉庫內(nèi)導(dǎo)航,在執(zhí)行復(fù)雜任務(wù)時與墻壁和架子保持安全距離。這項(xiàng)技術(shù)還可以用于許多其他用例,從機(jī)器人方案到自動導(dǎo)引車(AGV)的部署,甚至健康監(jiān)控。”

“該芯片可以滿足業(yè)界對真正從數(shù)據(jù)中學(xué)習(xí)并實(shí)現(xiàn)個性化AI的超低功耗神經(jīng)網(wǎng)絡(luò)的需求。在創(chuàng)建過程中,我們召集了來自IMEC各個領(lǐng)域的專家,從培訓(xùn)算法的開發(fā)和以神經(jīng)科學(xué)為基礎(chǔ)的尖峰神經(jīng)網(wǎng)絡(luò)架構(gòu)到生物醫(yī)學(xué)和雷達(dá)信號處理,以及超低功耗數(shù)字芯片設(shè)計,IMEC做了大量研究工作,”IMEC物聯(lián)網(wǎng)認(rèn)知感知程序總監(jiān)Kathleen Philips 總結(jié)道。

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。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,請聯(lián)系本站處理。 舉報投訴
  • 芯片
    +關(guān)注

    關(guān)注

    460

    文章

    52511

    瀏覽量

    440859
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4814

    瀏覽量

    103609
  • 雷達(dá)信號
    +關(guān)注

    關(guān)注

    3

    文章

    68

    瀏覽量

    17593

原文標(biāo)題:IMEC推出全球首個基于脈沖神經(jīng)網(wǎng)絡(luò)的雷達(dá)芯片

文章出處:【微信號:mwrfnet,微信公眾號:微波射頻網(wǎng)】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    多層。 每一層都由若干個神經(jīng)元構(gòu)成,神經(jīng)元之間通過權(quán)重連接。信號神經(jīng)網(wǎng)絡(luò)中是前向傳播的,而誤差是反向傳播的。 卷積神經(jīng)網(wǎng)絡(luò)(CNN) :
    的頭像 發(fā)表于 02-12 15:53 ?667次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    ),是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、一個或多個隱藏層和輸出層組成,通過逐層遞減的方式調(diào)整網(wǎng)絡(luò)權(quán)重,目的是最小化網(wǎng)絡(luò)的輸出誤差。 二、深度學(xué)習(xí)的
    的頭像 發(fā)表于 02-12 15:15 ?860次閱讀

    BP神經(jīng)網(wǎng)絡(luò)在圖像識別中的應(yīng)用

    BP神經(jīng)網(wǎng)絡(luò)在圖像識別中發(fā)揮著重要作用,其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá),適用于處理非線性問題。以下是對BP神經(jīng)網(wǎng)絡(luò)在圖像識別中應(yīng)用的分析: 一、BP
    的頭像 發(fā)表于 02-12 15:12 ?678次閱讀

    如何訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型

    BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種經(jīng)典的人工神經(jīng)網(wǎng)絡(luò)模型,其訓(xùn)練過程主要分為兩個階段:前向傳播和反向傳播。以下是訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型的步驟: 一、前向傳播 前向傳播是信號
    的頭像 發(fā)表于 02-12 15:10 ?917次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識和多種算法。在本文中,我們會介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工神經(jīng)網(wǎng)絡(luò)模型之所
    的頭像 發(fā)表于 01-09 10:24 ?1189次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)在自然語言處理中的應(yīng)用

    自然語言處理是人工智能領(lǐng)域的一個重要分支,它致力于使計算機(jī)能夠理解、解釋和生成人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)作為一種強(qiáng)大的模型,在圖像識別和語音處理等領(lǐng)域取得了顯著成果
    的頭像 發(fā)表于 11-15 14:58 ?807次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?1870次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)領(lǐng)域中的一種強(qiáng)大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和傳統(tǒng)
    的頭像 發(fā)表于 11-15 09:42 ?1126次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與其他機(jī)器學(xué)習(xí)算法的比較

    神經(jīng)網(wǎng)絡(luò) 原理 LSTM是一種時間遞歸神經(jīng)網(wǎng)絡(luò),能夠?qū)W習(xí)長期依賴信息。它通過引入門控機(jī)制(輸入門、遺忘門、輸出門)來控制信息的流動,從而解決了傳統(tǒng)RNN在處理長序列數(shù)據(jù)時的梯度消失或梯
    的頭像 發(fā)表于 11-13 10:17 ?2143次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制

    LSTM(Long Short-Term Memory,長短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),設(shè)計用于解決長期依賴問題,特別是在處理時間序列數(shù)據(jù)時表現(xiàn)出色。以下是LSTM神經(jīng)
    的頭像 發(fā)表于 11-13 10:05 ?1631次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別

    在深度學(xué)習(xí)領(lǐng)域,循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)因其能夠處理序列數(shù)據(jù)而受到廣泛關(guān)注。然而,傳統(tǒng)RNN在處理長序列時存在梯度消失或梯度爆炸的問題。為了解決這一問題,LSTM(長短期記憶)神經(jīng)網(wǎng)絡(luò)應(yīng)
    的頭像 發(fā)表于 11-13 09:58 ?1213次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的基本原理 如何實(shí)現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)

    LSTM(長短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長期依賴信息。在處理序列數(shù)據(jù)時,如時間序列分析、自然語言處理等,LSTM因其能夠有效地捕捉時間序列中的長期依
    的頭像 發(fā)表于 11-13 09:53 ?1586次閱讀

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    Moku3.3版更新在Moku:Pro平臺新增了全新的儀器功能【神經(jīng)網(wǎng)絡(luò)】,使用戶能夠在Moku設(shè)備上部署實(shí)時機(jī)器學(xué)習(xí)算法,進(jìn)行快速、靈活的信號分析、去噪、傳感器調(diào)節(jié)校準(zhǔn)、閉環(huán)反饋等應(yīng)用。如果您
    的頭像 發(fā)表于 11-01 08:06 ?665次閱讀
    Moku人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    matlab 神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14

    如何構(gòu)建多層神經(jīng)網(wǎng)絡(luò)

    構(gòu)建多層神經(jīng)網(wǎng)絡(luò)(MLP, Multi-Layer Perceptron)模型是一個在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域廣泛使用的技術(shù),尤其在處理分類和回歸問題時。在本文中,我們將深入探討如何從頭開始構(gòu)建一個多層神經(jīng)網(wǎng)絡(luò)模型,包括模型設(shè)計、
    的頭像 發(fā)表于 07-19 17:19 ?1565次閱讀