研究论文题为“人工智能应用程序的长期短期记忆Spike-based神经形态硬件,“从格拉茨大学的研究人员的技术和英特尔实验室。
文摘
“Spike-based神经形态硬件拥有承诺提供更多的能源效率的实现深层神经网络比标准硬件如gpu(款)。但这需要了解款可以在一个基于事件的模拟稀疏的行刑制度,因为否则节能优势丢失。特别是款解决序列处理任务通常采用长短期记忆(LSTM)单位,很难模仿一些峰值。我们表明,许多生物神经元的一个方面,缓慢after-hyperpolarizing (AHP)电流峰值后,提供了一个有效的解决方案。AHP-currents可以很容易地实现神经形态硬件支持多级神经元模型,如英特尔Loihi芯片。滤波器的近似理论解释了为什么AHP-neurons可以模拟LSTM单元的功能。这个收益率时间序列分类高度节能的方法。而且它提供了实现的基础非常稀疏的发射大型款提取的一个重要类单词和句子之间的关系在文本为了回答问题文本”。
找到这里的技术论文。2021年出版。
arXiv: 2107.03992 v2菲利普板材,Arjun Rao,安德烈亚斯,沃尔夫冈马斯河。
访问半导体工程的这里的技术论文库和发现更多的芯片行业学术论文。
留下一个回复