中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
高能效類腦智能:算法與體系架構 版權信息
- ISBN：9787111682998
- 條形碼：9787111682998 ; 978-7-111-68299-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
高能效類腦智能:算法與體系架構 本書特色
適讀人群 ：本書適合研究者、科學家、軟硬件工程師，為應對能耗和響應時間日益苛求的需要，提供十分理想的參考入門手冊。本書也適合作為教授本科生、研究生去理解有強大學習能力的*新一1.本書從脈沖神經元網絡的概念和實現方法開始，通過構建能適應神經網絡動態編程的高能效加速器，驗證脈沖神經網絡硬件設計與流行的學習算法有機結合，展示顯著提高能效和計算效率的方法和實踐； 2.本書由美國密西根大學計算機科學系馬祖姆德教授團隊結合多年類腦智能研究理論和成果撰寫而成，由上海交通大學類腦智能研究中心劉佩林教授團隊翻譯，為類腦智能前沿研究和應用領域提供了詳實的學習和研究指南。
高能效類腦智能:算法與體系架構 內容簡介
本書主要關注如何構建高能效具有學習能力的脈沖型神經元網絡硬件，并且提供建立具有學習能力的脈沖型神經元網絡硬件協同設計、協同優化方法。完整地描述從高級算法到底層硬件實現的細節。本書同樣涵蓋了脈沖型神經元網絡中的許多基礎知識和關鍵點。 本書從對脈沖型神經元網絡的概述開始，討論基于速率的人工神經網絡的應用和訓練，介紹實現神經網絡的多種方法，如通用處理器和專用硬件，數字加速器和模擬加速器。同時展示了一個為能適應神經網絡動態編程而建立的高能效加速器，驗證脈沖神經網絡的基礎概念和流行的學習算法，簡介脈沖神經網絡硬件。后面的章節為讀者介紹三個實現前述章節學習算法的設計案例（兩個基于傳統CMOS工藝，一個基于新興的納米工藝）。本書的結尾對脈沖型神經元網絡硬件進行總結與展望。
高能效類腦智能:算法與體系架構 目錄
譯者序
前言
致謝
第1章 概述1
1.1 神經網絡的歷史1
1.2 軟件中的神經網絡2
1.2.1 人工神經網絡2
1.2.2 脈沖神經網絡2
1.3 神經形態硬件的需求3
1.4 本書的目標和大綱4
參考文獻6
第2章 人工神經網絡的基礎與學習9
2.1 人工神經網絡的工作原理9
2.1.1 推理9
2.1.2 學習10
2.2 基于神經網絡的機器學習13
2.2.1 監督學習13
2.2.2 強化學習15
2.2.3 無監督學習17
2.2.4 案例研究：基于動作的啟發式動態規劃18
2.3 網絡拓撲24
2.3.1 全連接神經網絡24
2.3.2 卷積神經網絡25
2.3.3 循環神經網絡27
2.4 數據集和基準29
2.5 深度學習31
2.5.1 前深度學習時代31
2.5.2 深度學習的崛起31
2.5.3 深度學習技術32
2.5.4 深度神經網絡示例38
參考文獻40
第3章 硬件中的人工神經網絡47
3.1 概述47
3.2 通用處理器48
3.3 數字加速器48
3.3.1 數字ASIC實現方法48
3.3.2 FPGA加速器61
3.4 模擬/混合信號加速器62
3.4.1 傳統集成技術中的神經網絡62
3.4.2 基于新興非易失性存儲器的神經網絡68
3.4.3 光學加速器71
3.5 案例研究：一種節能的自適應動態規劃加速器的程序設計72
3.5.1 硬件架構73
3.5.2 設計示例78
參考文獻82
第4章 脈沖神經網絡的工作原理與學習92
4.1 脈沖神經網絡92
4.1.1 常見的脈沖神經元模型92
4.1.2 信息編碼94
4.1.3 脈沖神經元與非脈沖神經元的比較95
4.2 淺層SNN的學習96
4.2.1 ReSuMe96
4.2.2 Tempotron97
4.2.3 脈沖時間相關可塑性98
4.2.4 雙層神經網絡中通過調制權重依賴的STDP進行學習的方法101
4.3 深度SNN學習113
4.3.1 SpikeProp113
4.3.2 淺層網絡棧113
4.3.3 ANN的轉換115
4.3.4 深度SNN反向傳播的研究進展116
4.3.5 在多層神經網絡中通過調制權重依賴的STDP進行學習的方法116
參考文獻128
第5章 脈沖神經網絡的硬件實現133
5.1 對專用硬件的需求133
5.1.1 地址事件表示133
5.1.2 事件驅動計算134
5.1.3 漸進精度推理134
5.1.4 實現權重依賴的STDP學習規則的硬件注意事項138
5.2 數字脈沖神經網絡142
5.2.1 大規模脈沖神經網絡專用集成電路142
5.2.2 中小型數字脈沖神經網絡147
5.2.3 脈沖神經網絡中的硬件友好型強化學習149
5.2.4 多層脈沖神經網絡中的硬件友好型監督學習153
5.3 模擬/混合信號脈沖神經網絡161
5.3.1 基本構建塊161
5.3.2 大規模模擬/混合信號CMOS脈沖神經網絡163
5.3.3 其他模擬/混合信號CMOS脈沖神經網絡專用集成電路166
5.3.4 基于新興納米技術的脈沖神經網絡166
5.3.5 案例研究：脈沖神經網絡中基于憶阻器交叉開關的學習169
參考文獻183
第6章 總結190
6.1 展望190
6.1.1 腦啟發式計算190
6.1.2 新興的納米技術191
6.1.3 神經形態系統的可靠計算192
6.1.4 人工神經網絡和脈沖神經網絡的融合193
6.2 結論194
參考文獻194
附錄197
術語表205
展開全部
高能效類腦智能:算法與體系架構 節選
譯者序 以“舊神退散，新神未立”來形容近年來計算架構領域的發展的確很形象，2017年計算機圖靈獎的兩名得主David Patterson和John L.Hennessy在一篇文章中也曾給出類似判斷，即“未來十年是計算架構發展的黃金十年”。神經形態計算便被認為是計算架構創新的“新神”之一。這本由Zheng和Mazumder撰寫的書即是對這個“新神”的引薦。 人工智能作為當前的研究熱點，受到國內外學術界和工業界的追捧，而且很多成熟的產品已經落地。目前所用的人工智能算法主要集中在深度神經網絡上，即第二代神經網絡。該網絡結構雖然效果好，但是功耗大，難以應用在一些移動設備上，且很難充分模仿人腦的智能性。而神經形態計算作為第三代人工神經網絡，可以充分模擬大腦的低功耗計算特點，作為人工智能以及腦科學的交叉研究領域，具有很大的研究前景。 本書重點討論如何為具有學習能力的神經網絡構建節能硬件，致力于構建具有學習與執行各種任務的能力的硬件神經網絡，提供協同設計和協同優化方法，并提供了從高層算法到底層實現細節的完整視圖。開發硬件友好算法的目的是簡化硬件實現，而特殊的硬件體系結構的提出則是為了更好地利用算法的獨特功能。在本書的各章中，討論了用于節能型神經網絡加速器的算法和硬件體系結構。低功耗對于所有將功耗作為重要考慮因素的應用而言至關重要，使用耗電的GPU和將原始數據發送到可以進一步分析數據的云計算機都不是可行的選擇。 作為一本介紹神經形態計算算法和硬件設計思想的書，本書不僅是信息學科、軟件工程等學科的基本教材(或參考書)，更是可以帶領零基礎的人進入神經形態計算領域的引路石。在內容的介紹上，本書循序漸進，深入淺出，展示了當前人工智能的算法，并逐步引入神經形態的智能算法當中，再介紹關于神經形態算法硬件實現的設計思路。本書的一大特色是關注基于新興器件的神經形態計算的架構設計，探討新興器件帶來的設計問題及其解決思路。本書附帶了一些案例供讀者學習，覆蓋了書中所涉及領域的眾多代表性工作。雖然本書不可能完全展示當前的神經形態計算算法和硬件設計中的所有技術細節，但是可以對初入該領域的技術人員提供一個較為完整的認識和強有力的幫助。 本書的內容廣泛，包括人工智能的前沿與新興工藝技術，為了盡可能地翻譯準確，我們得到了上海交通大學類腦智能應用技術研究中心全體師生的大力支持，特別是得到了耿相銘老師的幫助與指正。同時也十分感謝楊石玉、朱肖光、陳發全、耿豪、宋揚、尹樹雨、計星武、程宇豪、潘敏婷等同學在校對過程中給予的幫助，他們的幫助使本書翻譯工作得以順利完成。 *后，本書雖然經過仔細校對，但限于譯者自身的水平及經驗，譯文可能還存在不足，非常期待大家指正，以便之后進一步完善。 劉佩林 2020年于上海
高能效類腦智能:算法與體系架構 作者簡介
鄭楠 （Nan Zheng） 2011年本科畢業于上海交通大學信息工程專業，2014年和2018年分別獲得美國密歇根大學電氣工程碩士和博士學位。他目前是NVIDIA高級深度學習架構師，研究興趣側重于機器學習應用的低能耗硬件架構、算法和電路技術。 皮納基·馬祖姆德 （Pinaki Mazumder） 美國密歇根大學電氣工程與計算機科學系教授，他的研究興趣包括對于量子MOS、自旋電子學、欺騙等離子體、共振隧穿器件等新興技術的CMOS超大規模集成電路設計、半導體存儲系統、CAD工具和電路設計。 譯者簡介： 劉佩林 上海交通大學電子信息與電氣工程學院教授，博士生導師。研究領域包括音頻、視頻、3D信號處理與智能分析，面向機器人的環境感知、人機交互、定位與導航，以及類腦計算與低功耗電路設計等。2017年起任上海交通大學類腦智能應用技術研究中心主任。 應忍冬 上海交通大學電子信息與電氣工程學院副教授，碩士生導師。研究領域包括嵌入式系統、數字信號處理及VLSI實現架構、人工智能領域的機器思維原理和實現。 薛建偉 上海交通大學電子信息與電氣工程學院博士研究生。研究領域包括類腦智能、片上多核系統等。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
巴金－再思錄
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
苦雨齋序跋文-周作人自編集
- >
自卑與超越
- >
伯納黛特,你要去哪(2021新版)
- >
詩經-先民的歌唱
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
