机构名称：
¥ 3.0
2.2有效与渴望渴望的应用程序，神经形态计算的一个关键动机是，实现比现有解决方案明显更高的功率效率。 人工神经网络在传统硬件上运行时，会消耗大量能量。 ART GPU的状态消耗数百瓦，这限制了嵌入式系统上的神经网络的部署。 即使是消耗大型瓦特的超级计算机也无法模仿整个人的大脑，这限制了我们通过此类模拟来改善对大脑的理解的能力。 相比，人脑只能消耗20瓦。 大脑的能源效率为每秒数百次TERA操作，而现有的解决方案仅限于每秒进行几次TERA操作，每瓦。 通过在硬件级别上构建从大脑启发的计算机，神经形态计算渴望弥合这一能量效率差距。 例如，大脑中的感官计算通过基于事件的方式操作，在新信息到达或计算时，仅对信号进行采样和传输，从而实现了其效率的很大一部分。 尖峰体系结构本地支持此方案，从而通过基于事件的处理来支持效率提高。 然而，我们的目标是考虑人造和尖峰系统的广泛视角。2.2有效与渴望渴望的应用程序，神经形态计算的一个关键动机是，实现比现有解决方案明显更高的功率效率。人工神经网络在传统硬件上运行时，会消耗大量能量。ART GPU的状态消耗数百瓦，这限制了嵌入式系统上的神经网络的部署。即使是消耗大型瓦特的超级计算机也无法模仿整个人的大脑，这限制了我们通过此类模拟来改善对大脑的理解的能力。相比，人脑只能消耗20瓦。大脑的能源效率为每秒数百次TERA操作，而现有的解决方案仅限于每秒进行几次TERA操作，每瓦。通过在硬件级别上构建从大脑启发的计算机，神经形态计算渴望弥合这一能量效率差距。例如，大脑中的感官计算通过基于事件的方式操作，在新信息到达或计算时，仅对信号进行采样和传输，从而实现了其效率的很大一部分。尖峰体系结构本地支持此方案，从而通过基于事件的处理来支持效率提高。然而，我们的目标是考虑人造和尖峰系统的广泛视角。
d2.6路线图更新_UZH_TRT
主要关键词
相关文件推荐
