Книга "Learning in Energy-Efficient Neuromorphic Computing: Algorithm and Architecture Co-Design" описывает методы совместного проектирования и оптимизации аппаратных нейронных сетей и алгоритмов для приложений машинного обучения. Она сфокусирована на том, как построить энергоэффективное аппаратное обеспечение для нейронных сетей с возможностью обучения, и предоставляет методики совместного проектирования и совместной оптимизации для построения аппаратных нейронных сетей, которые могут обучаться. Книга охватывает как высокоуровневые алгоритмы, так и детали реализации на низком уровне. В ней также рассматриваются основы нейронных сетей (например, глубокое обучение) и аппаратная реализация нейронных сетей.
Книга начинается с обзора нейронных сетей, затем рассматриваются алгоритмы использования и обучения искусственных нейронных сетей на основе скорости. Далее представлено введение в различные варианты выполнения нейронных сетей, начиная от общего назначения процессоров до специализированного оборудования, от цифровых ускорителей до аналоговых ускорителей. Приводится пример проектирования энергоэффективного ускорителя для адаптивного динамического программирования с нейронными сетями. Затем идет изучение фундаментальных концепций и популярных алгоритмов обучения для сетей с импульсной активностью, а также рассмотрение оборудования для этих сетей. В последующей главе представлены три примера проектирования (два из которых основаны на традиционной CMOS-технологии, а один на новейших нанотехнологиях) для реализации алгоритма обучения, описанного в предыдущей главе. Книга заканчивается прогнозом будущего аппаратного обеспечения нейронных сетей.
Книга "Learning in Energy-Efficient Neuromorphic Computing: Algorithm and Architecture Co-Design" является идеальным ресурсом для исследователей, ученых, программных инженеров и аппаратных инженеров, которые работают с постоянно растущими требованиями к энергопотреблению и времени отклика. Она также отлично подходит для обучения бакалавров и магистров о последнем поколении нейронных сетей с мощными возможностями обучения.
Introducing the interconnected frameworks between neural network algorithms, neuromorphic hardware, and neural network training through co-operation.
Электронная Книга «Learning in Energy-Efficient Neuromorphic Computing: Algorithm and Architecture Co-Design» написана автором Nan Zheng в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119507390
Описание книги от Nan Zheng
Explains current co-design and co-optimization methodologies for building hardware neural networks and algorithms for machine learning applications This book focuses on how to build energy-efficient hardware for neural networks with learning capabilities—and provides co-design and co-optimization methodologies for building hardware neural networks that can learn. Presenting a complete picture from high-level algorithm to low-level implementation details, Learning in Energy-Efficient Neuromorphic Computing: Algorithm and Architecture Co-Design also covers many fundamentals and essentials in neural networks (e. g. , deep learning), as well as hardware implementation of neural networks. The book begins with an overview of neural networks. It then discusses algorithms for utilizing and training rate-based artificial neural networks. Next comes an introduction to various options for executing neural networks, ranging from general-purpose processors to specialized hardware, from digital accelerator to analog accelerator. A design example on building energy-efficient accelerator for adaptive dynamic programming with neural networks is also presented. An examination of fundamental concepts and popular learning algorithms for spiking neural networks follows that, along with a look at the hardware for spiking neural networks. Then comes a chapter offering readers three design examples (two of which are based on conventional CMOS, and one on emerging nanotechnology) to implement the learning algorithm found in the previous chapter. The book concludes with an outlook on the future of neural network hardware. Includes cross-layer survey of hardware accelerators for neuromorphic algorithms Covers the co-design of architecture and algorithms with emerging devices for much-improved computing efficiency Focuses on the co-design of algorithms and hardware, which is especially critical for using emerging devices, such as traditional memristors or diffusive memristors, for neuromorphic computing Learning in Energy-Efficient Neuromorphic Computing: Algorithm and Architecture Co-Design is an ideal resource for researchers, scientists, software engineers, and hardware engineers dealing with the ever-increasing requirement on power consumption and response time. It is also excellent for teaching and training undergraduate and graduate students about the latest generation neural networks with powerful learning capabilities.
