ارائه شبکه‌های بینایی مبتنی بر ممریستور
به گزارش سینا پرس به نقل از مجله شبکه، به‌عقیده وی لو استاد مهندسی برق و علوم کامپیوتر این دانشگاه، در آینده توانایی پردازش سریع‌تر تصاویر، نقش مهمی در توسعه سامانه‌های خودکار نظیر خودران‌ها خواهد داشت. اجزای به کار رفته در این کامپیوتر، از شناسایی الگو استفاده می‌کنند و نسبت به روش‌های فعلی پردازش تصاویر، توان بسیار کمتری صرف می‌کنند. این محققان الگوریتمی عرضه کرده‌اند که با تکیه بر روشی موسوم به Sparse Coding آرایه‌ای به ابعاد 32 در 32 ممریستور را برای تجزیه و تحلیل و بازسازی بهینه چند عکس به کار می‌گیرد.
ممریستور مقاومت الکتریکی حافظه‌داری است که جریان را بر اساس سابقه ولتاژهای اعمال شده به آن تنظیم می‌کند و این قابلیت را دارد که داده‌ها را هم‌زمان ذخیره و پردازش کند و همین ویژگی، آن‌ها را کارآمدتر از سامانه‌های پردازشی مرسوم می‌کند. زیرا در یک کامپیوتر رایج، واحدهای مسئول عملیات منطقی و ذخیره‌سازی در بخش‌های مجزایی از مدار قرار گرفته‌اند. همان طور که لو اشاره می‌کند: «وظایفی که ما از کامپیوترهای امروزی انتظار داریم، روزبه‌روز پیچیده‌تر می‌شوند. در عصر بزرگ داده‌ها، کامپیوترها برای اینکه بتوانند مقادیر زیادی از داده‌ها را به کار گیرند، بین پردازنده و حافظه خود از ارتباطاتی استفاده می‌کنند که گران‌قیمت، بدون تغییر و کند هستند و همین امر آن‌ها را به دستگاه‌هایی بزرگ، گران‌قیمت و با مصرف بالای توان تبدیل کرده است.» اما شبکه‌هایی از ممریستورها می‌توانند بسیاری از عملیات مورد نیاز را بدون اینکه مجبور به انتقال و جابه‌جایی اطلاعات باشند، در آن واحد انجام دهند، مشابه شبکه‌های عصبی موجود در مغز جانوران. در نتیجه می‌توان با کمک آن‌ها پلتفرم‌های جدیدی ایجاد کرد که حجم زیادی از سیگنال‌ها را به طور موازی پردازش می‌کنند و قادر به اجرای یادگیری ماشینی پیشرفته‌ای هستند. در واقع، ممریستور انتخاب خوبی برای استفاده در شبکه‌های عصبی عمیق است. شاخه‌ای از یادگیری ماشینی که طی آن کامپیوتر آموزش می‌بیند فرآیندها را بدون اینکه برای آن برنامه‌نویسی شده باشد اجرا کند.
No tags for this post.
