chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

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

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(hào)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(bào)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(hào)的芯片。IMEC芯片模仿生物神經(jīng)元識(shí)別時(shí)間模式的方式,比傳統(tǒng)方案相比,功耗減少了100倍,同時(shí)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(duì)微型多普勒雷達(dá)信號(hào)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(gè)應(yīng)用案例將包括為無人機(jī)創(chuàng)建一個(gè)低功耗、高智能的防碰撞雷達(dá)系統(tǒng),可以更有效地對(duì)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(shí)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(gè)使用遞歸尖峰神經(jīng)網(wǎng)絡(luò)處理雷達(dá)信號(hào)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(shí),神經(jīng)元才會(huì)隨時(shí)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(gè)學(xué)習(xí)和記憶時(shí)間模式的動(dòng)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(jì)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(jì)上,還可以輕松地對(duì)其進(jìn)行重新配置,以處理各種其他傳感輸入信號(hào),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(dòng)數(shù)字設(shè)計(jì)使該芯片能夠像神經(jīng)網(wǎng)絡(luò)仿真工具所預(yù)測(cè)的那樣精確且重復(fù)地運(yùn)行。

IMEC描述了一個(gè)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(duì)環(huán)境的變化迅速做出反應(yīng),以便對(duì)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(duì)潛在的危險(xiǎn)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(shí)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(dòng)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(duì)真正從數(shù)據(jù)中學(xué)習(xí)并實(shí)現(xiàn)個(gè)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(gè)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(hào)處理,以及超低功耗數(shù)字芯片設(shè)計(jì),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(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
  • 芯片
    +關(guān)注

    關(guān)注

    463

    文章

    53972

    瀏覽量

    465417
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4837

    瀏覽量

    107648
  • 雷達(dá)信號(hào)
    +關(guān)注

    關(guān)注

    3

    文章

    70

    瀏覽量

    17870

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

文章出處:【微信號(hào):mwrfnet,微信公眾號(hào):微波射頻網(wǎng)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)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(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?288次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡稱為CNN,是一種專門用來處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見,因?yàn)閳D像本身就可以看作是由像
    的頭像 發(fā)表于 11-19 18:15 ?2063次閱讀
    自動(dòng)駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫分為多個(gè)功能,每個(gè)功能涵蓋特定類別
    發(fā)表于 10-29 06:08

    SNN加速器內(nèi)部神經(jīng)元數(shù)據(jù)連接方式

    的數(shù)量級(jí),而且生物軸突的延遲和神經(jīng)元的時(shí)間常數(shù)比數(shù)字電路的傳播和轉(zhuǎn)換延遲要大得多,AER 的工作方式和神經(jīng)網(wǎng)絡(luò)的特點(diǎn)相吻合,所以受生物啟發(fā)的神經(jīng)形態(tài)處理器中的NoC或
    發(fā)表于 10-24 07:34

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    神經(jīng)元,但卻能產(chǎn)生復(fù)雜的行為。受此啟發(fā),與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,LNN旨在通過模擬大腦中神經(jīng)元之間的動(dòng)態(tài)連接來處理信息,這種網(wǎng)絡(luò)能夠順序
    的頭像 發(fā)表于 09-28 10:03 ?1142次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    【「AI芯片:科技探索與AGI愿景」閱讀體驗(yàn)】+神經(jīng)形態(tài)計(jì)算、類腦芯片

    是 AI芯片發(fā)展的重要方向。如果利用超導(dǎo)約瑟夫森結(jié)(JJ)來模擬與實(shí)時(shí)突觸電路相連的神經(jīng)元,神經(jīng)網(wǎng)絡(luò)運(yùn)行的速度要比目前的數(shù)字或模擬技術(shù)提升幾個(gè)數(shù)量級(jí)。 1、超低溫類腦
    發(fā)表于 09-17 16:43

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    問題。因此,并行計(jì)算與加速技術(shù)在神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要,它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能和效率,滿足實(shí)際應(yīng)用中對(duì)快速響應(yīng)和大規(guī)模數(shù)據(jù)處理的需求。神經(jīng)網(wǎng)絡(luò)并行
    的頭像 發(fā)表于 09-17 13:31 ?1102次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡單、快速
    發(fā)表于 06-16 21:54

    革命性神經(jīng)形態(tài)微控制器 ?**Pulsar**? 的深度技術(shù)解讀

    ? ? 仿生計(jì)算模型 ? Pulsar采用 ? 脈沖神經(jīng)網(wǎng)絡(luò)SNN)? ? 模擬生物神經(jīng)元工作機(jī)制: ? 事件驅(qū)動(dòng)機(jī)制 ?:僅在輸入信號(hào)變化時(shí)激活計(jì)算,避免傳統(tǒng)MCU的周期性輪詢能
    的頭像 發(fā)表于 06-07 13:06 ?1637次閱讀
    革命性<b class='flag-5'>神經(jīng)</b>形態(tài)微控制器 ?**Pulsar**? 的深度技術(shù)解讀

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1148次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    神經(jīng)網(wǎng)絡(luò)壓縮框架 (NNCF) 中的過濾器修剪統(tǒng)計(jì)數(shù)據(jù)怎么查看?

    無法觀察神經(jīng)網(wǎng)絡(luò)壓縮框架 (NNCF) 中的過濾器修剪統(tǒng)計(jì)數(shù)據(jù)
    發(fā)表于 03-06 07:10