9 月 1 日消息，中國(guó)科學(xué)院微電子研究所等將人工神經(jīng)網(wǎng)絡(luò)與大腦的動(dòng)態(tài)可重構(gòu)性相結(jié)合，開(kāi)發(fā)出基于語(yǔ)義記憶的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)。

▲ 基于語(yǔ)義記憶的腦啟發(fā)動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)硬件軟件協(xié)同設(shè)計(jì)

大腦神經(jīng)網(wǎng)絡(luò)具有復(fù)雜的語(yǔ)義記憶和動(dòng)態(tài)連接性，可將不斷變化的輸入與龐大記憶中的經(jīng)驗(yàn)聯(lián)系起來(lái)，高效執(zhí)行復(fù)雜多變的任務(wù)。

目前，人工智能系統(tǒng)廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型多是靜態(tài)的。隨著數(shù)據(jù)量不斷增長(zhǎng)，它在傳統(tǒng)數(shù)字計(jì)算系統(tǒng)中產(chǎn)生大量能耗和時(shí)間開(kāi)銷(xiāo)，難以適應(yīng)外界環(huán)境的變化。

與靜態(tài)網(wǎng)絡(luò)相比，語(yǔ)義記憶動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)能夠根據(jù)計(jì)算資源權(quán)衡識(shí)別準(zhǔn)確性和計(jì)算效率，可在資源受限設(shè)備或分布式計(jì)算環(huán)境中展現(xiàn)出色的性能。

在對(duì) 2D 圖像數(shù)據(jù)集 MNIST 和 3D 點(diǎn)云數(shù)據(jù)集 ModelNet 的分類(lèi)任務(wù)中，該設(shè)計(jì)實(shí)現(xiàn)了與軟件相當(dāng)?shù)臏?zhǔn)確率，相比于靜態(tài)神經(jīng)網(wǎng)絡(luò)減少了 48.1% 和 15.9% 的計(jì)算量，相比傳統(tǒng)數(shù)字硬件系統(tǒng)降低了計(jì)算能耗。