Спайковые нейросети на Swift, часть II: Синапсы
Всем привет! В первой части мы обсудили концепцию SNN в общих чертах, выбрали модель Ижикевича для нейрона и реализовали её на Swift. Напомню основные тезисы:Спайковые нейронные сети (SNN) стремятся точнее повторять биологические.Как и живые нейроны, искусственные спайковые нейроны взаимодействуют друг с другом короткими импульсами — спайками.Спайковые нейроны способны интегрировать информацию и обучаться, но механика этих процессов отличается от "традиционных" нейросетей. Там, где важно подчеркнуть различие, будем называть их ANN.
Спайковые нейросети на Swift, часть I: Принципы и модель
Общие сведенияИскусственные нейронные сети находятся на волне популярности. Самые современные модели ИИ способны творить чудеса: поддерживать видимость общения на уровне человека, создавать реалистичные изображения, писать музыкальные сочинения.Сейчас никого не удивить заявлениями, что искусственный интеллект превзошёл человеческий. Справедливости ради, способности простого калькулятора тоже давно их превзошли. Например, в скорости умножения чисел — даже двузначных. Опередить человека в определённых аспектах — задача не сложная.
Самые яркие проекты по созданию нейроморфных процессоров [part 3]
Сегодня в мире существует совсем немного специализированных процессоров, чипов или крупномасштабных систем, которые можно отнести к нейроморфным. Про нейроморфные вычисления в целом мы уже говорили, про нейроморфные чипы тоже, а в этой статье расскажем о самых заметных на сегодня реализациях. Попытаемся раскрыть их суть, разобрать отличительные черты и выделить некоторые особенности.Ну и как всегда, больше деталей на нашем инженерном портале.
Human brain inspired computing [part 1]
На прошлой неделе на портале «Истовый Инженер» мы опубликовали финальную лекцию из цикла материалов про нейроморфные вычисления — сложную область, в которой есть много перспективных технологий, близких направлению разработки микропроцессоров, которое мы активно развиваем. Например, нейроморфные чипы и аппаратные ускорители, которые будут играть важную роль в будущем развитии технологий искусственного интеллекта и, вероятнее всего, будут использоваться везде, где необходимо обрабатывать данные в быстроменяющихся, неструктурированных средах и в режиме реального времени. Мы решили поделиться серией обзорных статей, составивших небольшое исследование на эту же тему. Оно было сделано нашей исследовательской группой осенью прошлого года в том числе и для того, чтобы сформировать собственное представление об актуальных технологиях, проблемах, перспективах и проектах. Позднее эта работа стала основой для целого цикла «взрослых» материалов, авторами которых стали эксперты из российских институтов и компаний (МГУ, ЛЭТИ, Сколтех, Яндекс), и даже европейской лаборатории Intel Research.
