- 模仿人腦結構和功能的神經形態計算可用于邊緣計算，以提高能效、速度和適應性。通過在本地處理數據并使用事件驅動計算，神經形態芯片可以優化邊緣人工智能應用中的資源使用，減少對集中式云處理的依賴。尖峰神經網絡 （SNN） 是實現神經形態計算系統的最常見方法。與卷積神經網絡 （CNN） 一樣，SNN 是一種特定類型的人工神經網絡 （ANN）。數據表示和推理所需的前向計算次數是CNN和SNN之間的重要區別。在人工神經網絡中，神經元的輸入和輸出信號都是實數，推理只需要一次前饋傳遞。另一方面，SNN 會遇到推理延遲。SN
- 關鍵字：
邊緣人工智能 神經形態
- 荷蘭的 Innatera 推出了第一款使用神經形態架構的商用微控制器，用于傳感器應用。Pulsar 芯片具有異構架構，將模擬和數字神經形態模塊與傳統卷積神經網絡加速器和 RISC-V 內核相結合。與傳統的 AI 處理器相比，它的延遲降低了 100 倍，能耗降低了 500 倍，芯片尺寸為 2.6 x 2.8 毫米，采用臺積電的標準 28nm 工藝制造，體積不到 5 美元?！癙ulsar 不僅僅是另一個 AI 芯片——這是世界上第一個量產的神經形態微控制器，代表了我們將智能帶到邊緣的方式的根本轉變，”Inna
- 關鍵字：
Innatera 傳感器 神經形態 微控制器
神經形態介紹
您好，目前還沒有人創建詞條神經形態!
歡迎您創建該詞條，闡述對神經形態的理解，并與今后在此搜索神經形態的朋友們分享。
創建詞條
關于我們 -
廣告服務 -
企業會員服務 -
網站地圖 -
聯系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
