中国科学院开发出基于语义记忆的动态神经网络
相比静态最高减少 48.1% 计算量
2024-09-02
来源：IT之家
9 月 1 日消息，中国科学院微电子研究所等将人工神经网络与大脑的动态可重构性相结合，开发出基于语义记忆的动态神经网络。
▲ 基于语义记忆的脑启发动态神经网络硬件软件协同设计
大脑神经网络具有复杂的语义记忆和动态连接性，可将不断变化的输入与庞大记忆中的经验联系起来，高效执行复杂多变的任务。
目前，人工智能系统广泛应用的神经网络模型多是静态的。随着数据量不断增长，它在传统数字计算系统中产生大量能耗和时间开销，难以适应外界环境的变化。
与静态网络相比，语义记忆动态神经网络能够根据计算资源权衡识别准确性和计算效率，可在资源受限设备或分布式计算环境中展现出色的性能。
在对 2D 图像数据集 MNIST 和 3D 点云数据集 ModelNet 的分类任务中，该设计实现了与软件相当的准确率，相比于静态神经网络减少了 48.1% 和 15.9% 的计算量，相比传统数字硬件系统降低了计算能耗。
本站内容除特别声明的原创文章之外，转载内容只为传递更多信息，并不代表本网站赞同其观点。转载的所有的文章、图片、音/视频文件等资料的版权归版权所有权人所有。本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如涉及作品内容、版权和其它问题，请及时通过电子邮件或电话通知我们，以便迅速采取适当措施，避免给双方造成不必要的经济损失。联系电话：010-82306118；邮箱：aet@chinaaet.com。