Rezervuar Bilgi işlem Donanım Sistemi Nedir?

Bilim Adamları Rezervuar Denilen Bir Sistem Yaptılar

Geçtiğimiz on yıl boyunca, derin öğrenme yaklaşımları, görüntüler gibi statik verilerin işlenmesinde giderek daha etkin hale geldi. Bununla birlikte, bu tekniklerin videolar, insan konuşması ve diğer akış girdileri gibi geçici verilerin analizinde daha az etkili olduğu bulunmuştur. Bunun nedeni, geçici verilerin işlenmesi, eğitilmesi ve uygulanması daha pahalı olan daha büyük yapay sinir ağları gerektirmesidir. Bunu akılda tutarak, Michigan Üniversitesi’ndeki bir araştırma ekibi, geçici verileri daha etkili bir şekilde işlemek için bir rezervuar bilgi işlem donanım sistemi geliştirdi. Rezervuar bilgi işlem sistemleri esas olarak, girdileri yüksek boyutlu bir alana haritalayan bir rezervuar ve rezervuarın yüksek boyutlu durumlarına dayanan kalıp analizi için bir okuma içerir.

Bu sistemlerin geçici veya sıralı veri işleme için özellikle etkili olduğu bulunmuştur. Araştırmacılar tarafından yayınlanan bir makalede sunulan sistem, dahili kısa süreli hafıza özelliklerine sahip dinamik tungsten oksit (WO x ) memristorlarına dayanmaktadır. Daha önce geliştirilen rezervuarlar, kısa süreli hafıza etkilerini taklit eden dijital devreler kullanılarak yapılmıştır. Bu nihayetinde fiziksel olarak uygulamalarını zorlaştırıyor ve bu nedenle pratik değil.

Lu ve meslektaşları, içsel kısa süreli hafıza özelliklerine sahip WO x memristor cihazlarını kullanarak rezervuar bilgi işlem sistemini ürettiler. Başka bir deyişle, her bir bireysel memristor cihazı kendi içinde dinamik bir sistemdir ve çok çeşitli geçici girdileri işleyebilir. Bu tutucular aracılığıyla, rezervuar sistemi doğrusal olmayan girişleri rezervuar durumlarına doğrusal olarak eşleyebilir.

Doğal olarak hesap yapmak için cihazların iç dinamiklerini kullanarak, çok daha az yer kaplayan, maliyet ve güç tüketimine yol açan az miktarda memris cihazla rezervuar ağını kurabilirdik” dedi. Lu ve meslektaşları, sistemlerini, konuşulan rakamları tanımayı içeren standart bir konuşma tanıma görevi üzerinde gösterdiler ve değerlendirdiler. Onların sistemi, insanlar tarafından konuşulan rakamları yüzde 99.2 gibi olağanüstü bir doğrulukla tanıdı. Lu, “Daha ilginç bir şekilde, ağ girişin geçici özelliklerini yakalayabildiğinden, tahmin işlevlerini gerçekleştirmek için ağı da kullanabileceğimizi gösterdik” önce konuşmacının amaçlanan kelimesini tahmin edebiliriz. Gelecekte, bu araştırma ekibi tarafından geliştirilen geçici girdileri analiz etmek ve tahmin etmek için kullanılan rezervuar bilgi işlem sistemi çok sayıda ilginç uygulamaya sahip olabilir. Örneğin, insan makine arayüzlerini, otonom sürüş platformlarını ve akış girişlerinin işlenmesini veya tahmin edilmesini gerektiren diğer teknolojilerin geliştirilmesine yardımcı olabilir.

Dahası, bu yeni yaklaşım kullanılarak, geçici verilerin işlenmesi için yapay sinir ağlarının boyutu ve güç tüketimi önemli ölçüde azaltılabilir. Bu, bu ağları var olan sistemlere yerleştirmeyi daha kolay ve daha ucuz hale getirebilir, sonuçta araştırmacıların gerçek zamanlı geçici veri analizi yetenekleri ile daha geniş bir cihaz çeşitliliği donatmasına izin verebilir.

Lu, ” Şimdi daha karmaşık sistemler ve ağın performansını daha da geliştirmek için çalışıyoruz ” dedi.

  • Site İçi Yorumlar
  • Aşağıdaki Boş Yeri Doldurun *Captcha loading...