watervacuum

تیمی از محققان در دانشگاه کالیفرنیا یک نوع جدید از شبکه عصبی ایجاد کرده اند - شبکه ای که برای رسیدن به نتایج از نور به جای برق استفاده می کند. این گروه در مقاله خود که در مجله Science منتشر شده است ، ایده های آنها ، دستگاه کارکرد آنها ، عملکرد آن و انواع برنامه هایی را که معتقدند می توانند به خوبی توسط چنین شبکه ای ارائه شوند ، شرح می دهد.

 

 

شبکه های یادگیری عمیق سیستم های رایانه ای هستند که با نگاه کردن به نمونه های زیادی از انواع داده ها "یاد می گیرند" و سپس از الگوهای استفاده می کنند که به عنوان روشی برای تفسیر داده های جدید ایجاد می شوند. آنها مانند سایر رایانه ها ، برق دارند. در این تلاش جدید ، محققان راهی برای ایجاد یک شبکه یادگیری عمیق پیدا کرده اند که به هیچ وجه از برق استفاده نمی کند - در عوض از نور استفاده می کند . آنها آن را یک شبکه عصبی عمیق پراکنده یا دقیق تر ، D 2 NN می نامند .

 

محققان برای ساختن چنین شبکه ای صفحات پلاستیکی کوچکی را ایجاد کردند که با استفاده از چاپگر 3 بعدی چاپ شده است. هر صفحه لایه ای از نورون های مجازی را نشان می داد و هر نورون می توانست با انتقال یا بازتاب نور ورودی مانند همتای بیولوژیکی خود رفتار کند. در مثال آنها ، از پنج بشقاب به صورت رو در رو استفاده شده اند و فضای کمی بین آنها وجود دارد. هنگامی که سیستم کار می کرد ، نور از لیزر به صفحه اول هدایت می شد و مسیر دوم ، سوم ، چهارم و پنجم را به شکلی طی می کرد که اطلاعات مربوط به شیئی را که در جلوی دستگاه قرار گرفته بود ، نشان داد. یک سنسور در پشت چراغ را خوانده و آنچه را که پیدا کرده تفسیر می کند.

 

محققان برای آزمایش ایده خود تصمیم گرفتند تا یک شبکه عصبی فیزیکی ایجاد کنند که بتواند اعداد را از صفر تا نه تشخیص دهد و سپس آنچه را که یافت پیدا کند. در عمل ، سیستم بر روی صفحه نمایش عددی نشان داده می شد و با شناسایی شماره و سپس نمایش آن با استفاده از سنسور پاسخ داده می شد. این سیستم از 55000 تصویر از اعداد اسکن شده تغذیه شده است. این مرحله یادگیری نیاز به استفاده از برق داشتهمانطور که روی رایانه ای اجرا می شد که داده ها را به سیستم تغذیه می کرد. محققان در آزمایش سیستم خود با نشان دادن هزاران شماره آن ، تقریباً 95 درصد دقیق را نشان دادند. آنها یادآور می شوند که دستگاه آنها اثبات مفهوم بوده و می تواند به عنوان ابزاری برای توسعه دستگاه های اختصاصی برای برنامه هایی که نیاز به سرعت دارند ، مفید باشد - مانند انتخاب چهره از بین جمعیت در حال حرکت.

http://dirstop.com/story5844697/قیمت-آکومولاتور