WAP手机版 RSS订阅 加入收藏  设为首页
大发mg平台
当前位置:首页 > 大发mg平台

大发mg平台:导致较高的计算和处理成本

时间:2022/8/2 17:51:26   作者:   来源:   阅读:30   评论:0
内容摘要:英国牛津大学材料系的研究人员以及埃克塞特大学和明斯特大学的同事开发了一种片上光学处理器,可以检测数据集的相似性,速度比在电子处理器上运行的传统机器学习算法快1000倍。其灵感来自诺贝尔奖得主伊万·巴甫洛夫发现的经典条件反射。在他的实验中,巴甫洛夫发现,如果在喂食时给狗另一种刺激,比如铃声或节拍器的声音,让狗把这两种体验...
英国牛津大学材料系的研究人员以及埃克塞特大学和明斯特大学的同事开发了一种片上光学处理器,可以检测数据集的相似性,速度比在电子处理器上运行的传统机器学习算法快1000倍。其灵感来自诺贝尔奖得主伊万·巴甫洛夫发现的经典条件反射。

在他的实验中,巴甫洛夫发现,如果在喂食时给狗另一种刺激,比如铃声或节拍器的声音,让狗把这两种体验联系起来,它只要听到声音就会流口水。将两个不相关的事件重复联系在一起,会产生一种习得反应,即条件反射。大发mg平台

大多数AI系统中使用的神经网络在学习过程中通常需要大量的数据示例,例如训练一个模型来可靠地识别猫,这可能需要多达10,000张猫/非猫的图像,导致较高的计算和处理成本。

联想单子学习元素(AMLE)不是依靠神经网络所青睐的反向传播来“调整”结果,而是使用记忆材料来学习模式,将数据集中的相似特征关联起来,模仿在该案例中观察到的条件反射的巴甫洛夫“种族”。在测试中,AMLE仅用5对图像进行训练,就能正确识别猫/非猫图像。

与传统电子芯片相比,新型光学芯片具有相当可观的性能,这归功于设计上的两个关键差异:独特的网络架构,使用联想学习作为构建模块,而不是使用神经元和神经网络;使用“波分复用”,在单个通道上发送不同波长的多个光信号,以提高计算速度。该设备自然地捕捉数据集中的相似性,同时利用光并行来提高整体计算速度,远远超过传统电子芯片的能力。

研究人员表示,联想学习方法可以补充神经网络,而不是取代它们。对于不需要对数据集中高度复杂的特征进行广泛分析的问题,它更有效。许多学习任务是基于数量的,并不是很复杂。在这些情况下,联想学习可以更快地完成任务,而且计算成本更低。



本站所有站内信息仅供娱乐参考,不作任何商业用途,不以营利为目的,专注分享快乐,欢迎收藏本站!
所有信息均来自:百度一下(大发mg平台鲁ICP备11034464号-2