当前位置:皇牌天下 > 科技中心 > 忆阻器制成神经网络更高效

忆阻器制成神经网络更高效

文章作者:科技中心 上传时间:2020-02-02

提升机器学习能力 更易集成到硅基设备 忆阻器制成神经网络更高效

据英国《每日邮报》网站近日报道,美国密歇根大学的科学家设计出一种由忆阻器制成的新型神经网络系统——储备池计算系统,它可以教机器像人类一样思考,并显著提升效率。而且,它能在对话之前预测词汇,甚至可以预测下一步输出。

科技日报北京12月25日电 据英国《每日邮报》网站近日报道,美国密歇根大学的科学家设计出一种由忆阻器制成的新型神经网络系统——储备池计算系统,它可以教机器像人类一样思考,并显著提升效率。而且,它能在对话之前预测词汇,甚至可以预测下一步输出。

此前科学家曾用更大的光学元件创建出储备池计算系统,但电气工程和计算机科学教授卢伟率领的团队使用忆阻器创建的新系统所需空间更小,也更容易集成到现有的硅基电子设备中。

此前科学家曾用更大的光学元件创建出储备池计算系统,但电气工程和计算机科学教授卢伟率领的团队使用忆阻器创建的新系统所需空间更小,也更容易集成到现有的硅基电子设备中。

忆阻器是既可执行逻辑运算,又可存储数据的特殊电阻设备,在最新研究中,卢伟团队使用了一种特殊的忆阻器。

忆阻器是既可执行逻辑运算,又可存储数据的特殊电阻设备,在最新研究中,卢伟团队使用了一种特殊的忆阻器。

皇牌天下,神经网络由神经元、突触组成。为了训练神经网络完成某项任务,需要给它“喂食”大量问题以及相应答案。神经网络一旦经过训练,就可以在不知道答案的情况下接受测试。

神经网络由神经元、突触组成。为了训练神经网络完成某项任务,需要给它“喂食”大量问题以及相应答案。神经网络一旦经过训练,就可以在不知道答案的情况下接受测试。

卢伟表示,研究人员需要花费数日甚至数月来训练网络,这显然非常昂贵。但他们通过忆阻器制造出的储备池计算系统,可避免大多数的昂贵训练过程,也为网络提供了记忆能力,这是因为系统最关键的组件——储备池无需训练。

本文由皇牌天下发布于科技中心,转载请注明出处:忆阻器制成神经网络更高效

关键词: 皇牌天下