神经形态架构可用于更快地运行深度神经网络

随着人工智能和深度学习技术的不断进步，工程师将需要可靠且高效的硬件来运行计算。 基于大脑生物学和结构的神经形态计算可能是支持深度神经网络运行的一种很有前途的方法。

最近，格拉茨科技大学 (GUT) 和英特尔的研究人员证明，神经形态计算技术可用于在实验基础上运行 DNN。 该论文发表在 Nature Machine Intelligence 上，由 Human Brain Project 资助。 它表明神经形态计算机硬件运行 DNN 的速度比传统计算硬件快 16 倍。

我们已经证明，处理像句子这样的时间延长输入的 DNN 可以使用类脑神经网络和神经元在神经形态硬件上更有效地实现，”Wolfgang Maass 告诉 TechXplore。“此外，我们研究的 DNN 对于更高层次的研究至关重要 认知功能，例如寻找叙述中句子之间的关系并回答有关其内容的问题。\”

来源和详细信息：
https://techxplore.com/news/2022-06-neuromorphic-architecture-deep-neural-networks.html