XiaoMi-AI文件搜索系统
World File Search System人工神经网络
面向卷积神经网络的FPGA 设计
FPGA 加速卷积神经网络已经被人们广泛研究 , 大部分设计中最终性能都受限于片上 DSP 数量 . 因 此 , 为了进一步加速 FPGA, 人们开始将目光移向了快速算法 . 快速算法能够有效降低卷积操作的乘 法次数 , 提高加速比 , 相比于非快速算法 , 快速算法需要一些额外的操作 , 这些操作大部分都是常数乘 法 , 在硬件实现过程中 , 这些常数乘法会被转换为多个位运算相加的操作 , 位运算可以不需要消耗片上 的 DSP 资源 , 仅使用 LUT 阵列就可以实现位运算 . 从近两年的研究现状来看 , 基于快速算法的工作 在逻辑资源使用方面确实要高于非快速算法的工作 . 此外 , 快速算法是以一个输入块进行操作 , 因此对 于片上缓存的容量要求更高 . 并且快速算法加快了整体的运算过程 , 因此对于片上与片外数据带宽需 求也更大 . 综上所述 , 快速算法的操作流程异于传统的卷积算法 , 因此基于快速算法的新的 FPGA 架 构也被提出 . 第 4 节将会简述国内外关于 4 种卷积算法的相关工作 .
人工神经网络：概述
一个非线性数据建模系统，其中在输入和输出之间建立复杂关系的模型或模式被称为人工神经网络（ANN）。神经网络具有卓越的学习能力。它们通常被用于手写和面部识别等更复杂的任务。神经网络也称为“ perceptron”。它首次出现在1940年代初期。他们最近才成为人工智能的重要组成部分。神经网络被视为可观察的数据显示设备，其中显示了数据源之间的关系。神经网络由由三个单元的神经层组成，并说明了流量，并用“输入”单元以及一层“封闭的UP”单元组成，这对应于“输出”单元[1]。数据到达数据源，并通过网络逐层通过网络传播，直到达到输出为止。本研究中使用的神经网络在以下各节中进行了详细介绍。如图1。
基于人工神经网络的设计开发
由 TAHİR VOLKAN SANLI 提交，部分满足中东技术大学航空航天工程系理学硕士学位要求，由 Gülbin Dural Ünver 教授、自然与应用科学研究生院院长 Ozan Tekinalp 教授、航空航天工程系主任 Altan Kayran 教授、中东技术大学航空航天工程系主管 审查委员会成员：副教授Demirkan Çöker 教授、中东技术大学航空航天工程系 Altan Kayran 教授、中东技术大学航空航天工程系 Mehmet Ali Güler 教授、TOBB 机械工程系副教授Ercan Gürses 教授、中东技术大学航空航天工程系副教授D. Funda Kurtuluş 教授、中东技术大学航空航天工程系
飞机人工神经网络的数学方法...
摘要 – 飞机维护、修理和大修 (MRO) 是飞机生命周期成本 (LCC) 的主要组成部分之一。提高 MRO 效率并降低 MRO 成本是降低 LCC 的主要方法之一。在现代航空技术中，航空电子设备的复杂性及其维护量不断增加。传统的故障预测方法难以应用于复杂的技术系统，因此有必要缩短 MRO 间隔。本研究提出了人工神经网络 (ANN) 的数学方法作为解决此问题的可能方法。无人机 (UAV) 的航空电子设备是研究对象。分析了传统方法和 ANN 方法的可靠性和故障预测，并进行了结果比较。研究表明，所用方法适用于解决此问题。所得结果显示可靠性很高。建议进一步研究以扩展到更复杂的航空电子设备飞机。在 MRO 系统中引入 ANN 具有许多优势，包括可以增加航空电子设备的维修间隔和故障预测，同时考虑到外部运营因素。这必然会降低 LCC 并提高安全性。
人工神经网络分子编码...
用于材料建模的人工神经网络 (ANN) 引起了广泛关注。我们最近报告了一种基于玻尔兹曼机 (BM) 架构的 ANN 改编版，该改编版适用于多配置多电子波函数的拟定，称为神经网络量子态 (NQS)，用于量子化学计算。本文，本研究将其扩展形式化为一种量子算法，该算法能够通过量子门准备 NQS。ANN 模型的描述符被选为电子配置的占用，以量子力学方式由量子位表示。因此，我们的算法可能比以前研究中使用的基于经典采样的计算具有潜在优势。NQS 可以通过量子原生程序准确形成，但模型在能量最小化方面的训练是在经典计算机上进行的；因此，我们的方法是一类变分量子特征求解器。 BM 模型与 Gibbs 分布相关，我们的准备程序利用了量子相位估计技术，但没有哈密顿演化。通过在量子计算机模拟器上实现该算法来评估该算法。显示了在完全活性空间配置相互作用理论水平上的说明性分子计算，证实了与我们之前的经典方法的准确性一致。
人工神经网络和深度学习
奥卢应用科学大学信息与通信技术、软件开发 姓名：Seila Laakso 标题：人工神经网络和深度学习及其在未来应用开发中的可能性和局限性 指导老师：Jukka Jauhiainen 学期和完成年份：2022 年秋季 页数：39 本论文以研究文章的形式讨论了人工神经网络的历史、结构和用途。论文的开头对人工智能进行了一般性的讨论：例如它的不同层次和历史。本节还提供了有关智能（尤其是人工智能）的定义的信息。论文的第三部分讨论了人工神经网络。本节详细介绍了神经网络的结构并讨论了其运行原理。本节还讨论了神经网络学习的不同方式，并回顾了与人工神经网络技术相关的最常见术语。最后部分讨论了人工神经网络的特性。它的局限性以及其使用的好处和可能性。本节还介绍了人工神经网络在各个工业领域应用的实际案例。论文使用了大量各个领域的研究材料，并参考了几本研究人工智能的大量教科书。所用材料包括印刷文献和在线材料。论文的结论是：在不久的将来，神经网络技术的发展正在加速，新的创新不断涌现。技术中需要开发的问题包括其不可预测性和黑箱式的运行原理，这使得诊断和修复潜在问题变得困难。论文附有一个名为ProGAN DaliA的人工智能项目的最终报告。该项目是作为这篇毕业论文的一部分进行的。 ProGAN DaliA 是一个渐进式生成对抗神经网络，可以根据给定的图像数据创建新的艺术作品。关键词：神经网络、深度学习、人工智能、图像识别、AI、感知器