System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 用于学习稀疏分布式表示(SDR)中的空间模式的人工智能(AI)系统和相关联的方法技术方案_技高网

用于学习稀疏分布式表示(SDR)中的空间模式的人工智能(AI)系统和相关联的方法技术方案

技术编号:41201529 阅读:6 留言:0更新日期:2024-05-07 22:27
本文介绍了一种为机器学习而设计的人工智能系统。所述系统可以基于神经形态计算模型,所述神经形态计算模型使用被称为稀疏分布式表示(SDR)的数据结构来学习输入中的空间模式以表示所述输入。此外,所述系统可生成用于这些SDR的标志,且这些标志可用以创建类或子类的定义以用于分类目的。

【技术实现步骤摘要】
【国外来华专利技术】

各种实施例涉及具有适合于人工智能和机器学习过程的硬件架构的处理单元,以及能够采用所述处理单元的计算系统。


技术介绍

1、历史上,已经通过使用常规处理单元执行复杂软件的计算系统(或简称为“系统”)实施人工智能(ai)和机器学习(ml)过程,所述常规处理单元例如中央处理单元(cpu)和图形处理单元(gpu)。虽然这些常规处理单元的硬件架构能够执行必要的计算,但实际性能相对于所需性能来说是较慢的。简单地说,因为需要太多的数据和太多的计算而影响性能。

2、对性能的这种影响可具有显著后果。例如,如果性能受影响达到发生延迟的程度,则在某些情形中不可实施ai和ml过程。举例来说,小于一秒的延迟可能妨碍其中需要及时性的ai和ml过程的实施,例如对于其中实时ai和ml处理影响乘客安全的自动驾驶系统的情况。另一实时系统实例是军事定向系统,其中必须在生命损失发生之前作出敌我决策并据此采取行动。其中实时决策会影响生命、安全或资本资产的任何情境都是其中需要较快的ai和ml处理的应用。

3、各种实体在历史上已经尝试通过增加可用于系统的计算资源来解决这种对性能的影响。然而,此方法存在若干缺点。第一,增加计算资源可能是不可行的或不可能的。如果ai和ml过程既定由包含于例如手机、平板计算机和类似者等计算装置中的系统实施,则情况尤其是这样。第二,增加计算资源将导致功率消耗的增加。可用于系统的功率可为有限的(例如,由于电池约束),因此限制功率消耗是开发新技术的重要方面。


技术实现思路

【技术保护点】

1.一种由计算系统执行的方法,所述计算系统包括(i)编码器、(ii)神经处理单元和(iii)分类器,所述方法包括;

2.根据权利要求1所述的方法,其中所述分类器进一步接收指示所述类的标签。

3.根据权利要求2所述的方法,其进一步包括:

4.根据权利要求2所述的方法,其中所述标签包含于由所述编码器接收的所述数据中。

5.根据权利要求1所述的方法,其中为了产生所述第一SDR,所述编码器将所述数据从向量表示转换为稀疏超维度格式。

6.根据权利要求1所述的方法,其中所述第一SDR和所述第二SDR表示设定位的无序集合。

7.根据权利要求1所述的方法,其进一步包括:

8.根据权利要求7所述的方法,其中所述多个标志中的每一个指示被确定为表示对应类或子类的参考稀疏分布式表示(SDR)。

9.根据权利要求7所述的方法,

10.一种计算系统,其包括:

11.根据权利要求10所述的计算系统,其中由所述编码器接收的所述数据呈具有用于特征的值的有序集合的向量的形式。

12.根据权利要求10所述的计算系统,其中所述神经处理单元是具有可重配置的多指令单数据(MISD)架构的自然神经处理器的子组件。

13.根据权利要求10所述的计算系统,其中所述编码器能够基于在所述计算系统中编程的设定而模仿线性编码器或随机分布式编码器。

14.根据权利要求10所述的计算系统,

15.根据权利要求10所述的计算系统,其中所述第二系列SDR中的每一SDR表示其中位被设定以独立地传达语义含义的数据结构。

16.根据权利要求15所述的计算系统,其中所述第二系列SDR中的一对SDR之间的重叠指示所述一对SDR之间的相似性。

17.一种非暂时性介质,其上存储有指令,所述指令在由计算系统的处理单元执行时致使所述计算系统执行包括以下各项的操作:

18.根据权利要求17所述的非暂时性介质,其中所述数据伴随有指示所述类的标签,且其中所述操作进一步包括:

19.根据权利要求17所述的非暂时性介质,其中所述操作进一步包括:

20.根据权利要求19所述的非暂时性介质,其中所述多个标志中的每一个指示被确定为表示对应类或子类的参考稀疏分布式表示(SDR)。

...

【技术特征摘要】
【国外来华专利技术】

1.一种由计算系统执行的方法,所述计算系统包括(i)编码器、(ii)神经处理单元和(iii)分类器,所述方法包括;

2.根据权利要求1所述的方法,其中所述分类器进一步接收指示所述类的标签。

3.根据权利要求2所述的方法,其进一步包括:

4.根据权利要求2所述的方法,其中所述标签包含于由所述编码器接收的所述数据中。

5.根据权利要求1所述的方法,其中为了产生所述第一sdr,所述编码器将所述数据从向量表示转换为稀疏超维度格式。

6.根据权利要求1所述的方法,其中所述第一sdr和所述第二sdr表示设定位的无序集合。

7.根据权利要求1所述的方法,其进一步包括:

8.根据权利要求7所述的方法,其中所述多个标志中的每一个指示被确定为表示对应类或子类的参考稀疏分布式表示(sdr)。

9.根据权利要求7所述的方法,

10.一种计算系统,其包括:

11.根据权利要求10所述的计算系统,其中由所述编码器接收的所述数据呈具有用于特征的值的有序集合的向量的形式。

12.根据权利要求10所述的计算系...

【专利技术属性】
技术研发人员:哈罗德·B·诺伊斯大卫·罗伯茨罗素·B·劳埃德威廉·蒂凡尼杰弗里·坦纳特伦斯·莱斯利丹尼尔·斯金纳英德拉尼尔·罗伊
申请(专利权)人:自然智能系统公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1