書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
高能效類(lèi)腦智能:算法與體系架構(gòu)

高能效類(lèi)腦智能:算法與體系架構(gòu)

作者：鄭楠
出版社：機(jī)械工業(yè)出版社出版時(shí)間：2021-06-01
開(kāi)本： 16開(kāi) 頁(yè)數(shù)： 224
中 圖 價(jià):¥78.2(7.9折) 定價(jià)  ¥99.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元，滿(mǎn)39元免運(yùn)費(fèi)
?新疆、西藏除外
本類(lèi)五星書(shū)更多>

高能效類(lèi)腦智能:算法與體系架構(gòu) 版權(quán)信息

高能效類(lèi)腦智能:算法與體系架構(gòu) 本書(shū)特色

適讀人群 ：本書(shū)適合研究者、科學(xué)家、軟硬件工程師，為應(yīng)對(duì)能耗和響應(yīng)時(shí)間日益苛求的需要，提供十分理想的參考入門(mén)手冊(cè)。本書(shū)也適合作為教授本科生、研究生去理解有強(qiáng)大學(xué)習(xí)能力的*新一1.本書(shū)從脈沖神經(jīng)元網(wǎng)絡(luò)的概念和實(shí)現(xiàn)方法開(kāi)始，通過(guò)構(gòu)建能適應(yīng)神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)編程的高能效加速器，驗(yàn)證脈沖神經(jīng)網(wǎng)絡(luò)硬件設(shè)計(jì)與流行的學(xué)習(xí)算法有機(jī)結(jié)合，展示顯著提高能效和計(jì)算效率的方法和實(shí)踐； 2.本書(shū)由美國(guó)密西根大學(xué)計(jì)算機(jī)科學(xué)系馬祖姆德教授團(tuán)隊(duì)結(jié)合多年類(lèi)腦智能研究理論和成果撰寫(xiě)而成，由上海交通大學(xué)類(lèi)腦智能研究中心劉佩林教授團(tuán)隊(duì)翻譯，為類(lèi)腦智能前沿研究和應(yīng)用領(lǐng)域提供了詳實(shí)的學(xué)習(xí)和研究指南。

高能效類(lèi)腦智能:算法與體系架構(gòu) 內(nèi)容簡(jiǎn)介

本書(shū)主要關(guān)注如何構(gòu)建高能效具有學(xué)習(xí)能力的脈沖型神經(jīng)元網(wǎng)絡(luò)硬件，并且提供建立具有學(xué)習(xí)能力的脈沖型神經(jīng)元網(wǎng)絡(luò)硬件協(xié)同設(shè)計(jì)、協(xié)同優(yōu)化方法。完整地描述從高級(jí)算法到底層硬件實(shí)現(xiàn)的細(xì)節(jié)。本書(shū)同樣涵蓋了脈沖型神經(jīng)元網(wǎng)絡(luò)中的許多基礎(chǔ)知識(shí)和關(guān)鍵點(diǎn)。 本書(shū)從對(duì)脈沖型神經(jīng)元網(wǎng)絡(luò)的概述開(kāi)始，討論基于速率的人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用和訓(xùn)練，介紹實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的多種方法，如通用處理器和專(zhuān)用硬件，數(shù)字加速器和模擬加速器。同時(shí)展示了一個(gè)為能適應(yīng)神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)編程而建立的高能效加速器，驗(yàn)證脈沖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)概念和流行的學(xué)習(xí)算法，簡(jiǎn)介脈沖神經(jīng)網(wǎng)絡(luò)硬件。后面的章節(jié)為讀者介紹三個(gè)實(shí)現(xiàn)前述章節(jié)學(xué)習(xí)算法的設(shè)計(jì)案例（兩個(gè)基于傳統(tǒng)CMOS工藝，一個(gè)基于新興的納米工藝）。本書(shū)的結(jié)尾對(duì)脈沖型神經(jīng)元網(wǎng)絡(luò)硬件進(jìn)行總結(jié)與展望。

高能效類(lèi)腦智能:算法與體系架構(gòu) 目錄

譯者序
前言
致謝
第1章　概述1
　1.1　神經(jīng)網(wǎng)絡(luò)的歷史1
　1.2　軟件中的神經(jīng)網(wǎng)絡(luò)2
　　　1.2.1　人工神經(jīng)網(wǎng)絡(luò)2
　　　1.2.2　脈沖神經(jīng)網(wǎng)絡(luò)2
　1.3　神經(jīng)形態(tài)硬件的需求3
　1.4　本書(shū)的目標(biāo)和大綱4
　參考文獻(xiàn)6
第2章　人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)與學(xué)習(xí)9
　2.1　人工神經(jīng)網(wǎng)絡(luò)的工作原理9
　　　2.1.1　推理9
　　　2.1.2　學(xué)習(xí)10
　2.2　基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)13
　　　2.2.1　監(jiān)督學(xué)習(xí)13
　　　2.2.2　強(qiáng)化學(xué)習(xí)15
　　　2.2.3　無(wú)監(jiān)督學(xué)習(xí)17
　　　2.2.4　案例研究：基于動(dòng)作的啟發(fā)式動(dòng)態(tài)規(guī)劃18
　2.3　網(wǎng)絡(luò)拓?fù)?4
　　　2.3.1　全連接神經(jīng)網(wǎng)絡(luò)24
　　　2.3.2　卷積神經(jīng)網(wǎng)絡(luò)25
　　　2.3.3　循環(huán)神經(jīng)網(wǎng)絡(luò)27
　2.4　數(shù)據(jù)集和基準(zhǔn)29
　2.5　深度學(xué)習(xí)31
　　　2.5.1　前深度學(xué)習(xí)時(shí)代31
　　　2.5.2　深度學(xué)習(xí)的崛起31
　　　2.5.3　深度學(xué)習(xí)技術(shù)32
　　　2.5.4　深度神經(jīng)網(wǎng)絡(luò)示例38
　參考文獻(xiàn)40
第3章　硬件中的人工神經(jīng)網(wǎng)絡(luò)47
　3.1　概述47
　3.2　通用處理器48
　3.3　數(shù)字加速器48
　　　3.3.1　數(shù)字ASIC實(shí)現(xiàn)方法48
　　　3.3.2　FPGA加速器61
　3.4　模擬/混合信號(hào)加速器62
　　　3.4.1　傳統(tǒng)集成技術(shù)中的神經(jīng)網(wǎng)絡(luò)62
　　　3.4.2　基于新興非易失性存儲(chǔ)器的神經(jīng)網(wǎng)絡(luò)68
　　　3.4.3　光學(xué)加速器71
　3.5　案例研究：一種節(jié)能的自適應(yīng)動(dòng)態(tài)規(guī)劃加速器的程序設(shè)計(jì)72
　　　3.5.1　硬件架構(gòu)73
　　　3.5.2　設(shè)計(jì)示例78
　參考文獻(xiàn)82
第4章　脈沖神經(jīng)網(wǎng)絡(luò)的工作原理與學(xué)習(xí)92
　4.1　脈沖神經(jīng)網(wǎng)絡(luò)92
　　　4.1.1　常見(jiàn)的脈沖神經(jīng)元模型92
　　　4.1.2　信息編碼94
　　　4.1.3　脈沖神經(jīng)元與非脈沖神經(jīng)元的比較95
　4.2　淺層SNN的學(xué)習(xí)96
　　　4.2.1　ReSuMe96
　　　4.2.2　Tempotron97
　　　4.2.3　脈沖時(shí)間相關(guān)可塑性98
　　　4.2.4　雙層神經(jīng)網(wǎng)絡(luò)中通過(guò)調(diào)制權(quán)重依賴(lài)的STDP進(jìn)行學(xué)習(xí)的方法101
　4.3　深度SNN學(xué)習(xí)113
　　　4.3.1　SpikeProp113
　　　4.3.2　淺層網(wǎng)絡(luò)棧113
　　　4.3.3　ANN的轉(zhuǎn)換115
　　　4.3.4　深度SNN反向傳播的研究進(jìn)展116
　　　4.3.5　在多層神經(jīng)網(wǎng)絡(luò)中通過(guò)調(diào)制權(quán)重依賴(lài)的STDP進(jìn)行學(xué)習(xí)的方法116
　參考文獻(xiàn)128
第5章　脈沖神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)133
　5.1　對(duì)專(zhuān)用硬件的需求133
　　　5.1.1　地址事件表示133
　　　5.1.2　事件驅(qū)動(dòng)計(jì)算134
　　　5.1.3　漸進(jìn)精度推理134
　　　5.1.4　實(shí)現(xiàn)權(quán)重依賴(lài)的STDP學(xué)習(xí)規(guī)則的硬件注意事項(xiàng)138
　5.2　數(shù)字脈沖神經(jīng)網(wǎng)絡(luò)142
　　　5.2.1　大規(guī)模脈沖神經(jīng)網(wǎng)絡(luò)專(zhuān)用集成電路142
　　　5.2.2　中小型數(shù)字脈沖神經(jīng)網(wǎng)絡(luò)147
　　　5.2.3　脈沖神經(jīng)網(wǎng)絡(luò)中的硬件友好型強(qiáng)化學(xué)習(xí)149
　　　5.2.4　多層脈沖神經(jīng)網(wǎng)絡(luò)中的硬件友好型監(jiān)督學(xué)習(xí)153
　5.3　模擬/混合信號(hào)脈沖神經(jīng)網(wǎng)絡(luò)161
　　　5.3.1　基本構(gòu)建塊161
　　　5.3.2　大規(guī)模模擬/混合信號(hào)CMOS脈沖神經(jīng)網(wǎng)絡(luò)163
　　　5.3.3　其他模擬/混合信號(hào)CMOS脈沖神經(jīng)網(wǎng)絡(luò)專(zhuān)用集成電路166
　　　5.3.4　基于新興納米技術(shù)的脈沖神經(jīng)網(wǎng)絡(luò)166
　　　5.3.5　案例研究：脈沖神經(jīng)網(wǎng)絡(luò)中基于憶阻器交叉開(kāi)關(guān)的學(xué)習(xí)169
　參考文獻(xiàn)183
第6章　總結(jié)190
　6.1　展望190
　　　6.1.1　腦啟發(fā)式計(jì)算190
　　　6.1.2　新興的納米技術(shù)191
　　　6.1.3　神經(jīng)形態(tài)系統(tǒng)的可靠計(jì)算192
　　　6.1.4　人工神經(jīng)網(wǎng)絡(luò)和脈沖神經(jīng)網(wǎng)絡(luò)的融合193
　6.2　結(jié)論194
　參考文獻(xiàn)194
附錄197
術(shù)語(yǔ)表205

展開(kāi)全部

高能效類(lèi)腦智能:算法與體系架構(gòu) 節(jié)選

譯者序 以“舊神退散，新神未立”來(lái)形容近年來(lái)計(jì)算架構(gòu)領(lǐng)域的發(fā)展的確很形象，2017年計(jì)算機(jī)圖靈獎(jiǎng)的兩名得主David Patterson和John L.Hennessy在一篇文章中也曾給出類(lèi)似判斷，即“未來(lái)十年是計(jì)算架構(gòu)發(fā)展的黃金十年”。神經(jīng)形態(tài)計(jì)算便被認(rèn)為是計(jì)算架構(gòu)創(chuàng)新的“新神”之一。這本由Zheng和Mazumder撰寫(xiě)的書(shū)即是對(duì)這個(gè)“新神”的引薦。 人工智能作為當(dāng)前的研究熱點(diǎn)，受到國(guó)內(nèi)外學(xué)術(shù)界和工業(yè)界的追捧，而且很多成熟的產(chǎn)品已經(jīng)落地。目前所用的人工智能算法主要集中在深度神經(jīng)網(wǎng)絡(luò)上，即第二代神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)結(jié)構(gòu)雖然效果好，但是功耗大，難以應(yīng)用在一些移動(dòng)設(shè)備上，且很難充分模仿人腦的智能性。而神經(jīng)形態(tài)計(jì)算作為第三代人工神經(jīng)網(wǎng)絡(luò)，可以充分模擬大腦的低功耗計(jì)算特點(diǎn)，作為人工智能以及腦科學(xué)的交叉研究領(lǐng)域，具有很大的研究前景。 本書(shū)重點(diǎn)討論如何為具有學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)構(gòu)建節(jié)能硬件，致力于構(gòu)建具有學(xué)習(xí)與執(zhí)行各種任務(wù)的能力的硬件神經(jīng)網(wǎng)絡(luò)，提供協(xié)同設(shè)計(jì)和協(xié)同優(yōu)化方法，并提供了從高層算法到底層實(shí)現(xiàn)細(xì)節(jié)的完整視圖。開(kāi)發(fā)硬件友好算法的目的是簡(jiǎn)化硬件實(shí)現(xiàn)，而特殊的硬件體系結(jié)構(gòu)的提出則是為了更好地利用算法的獨(dú)特功能。在本書(shū)的各章中，討論了用于節(jié)能型神經(jīng)網(wǎng)絡(luò)加速器的算法和硬件體系結(jié)構(gòu)。低功耗對(duì)于所有將功耗作為重要考慮因素的應(yīng)用而言至關(guān)重要，使用耗電的GPU和將原始數(shù)據(jù)發(fā)送到可以進(jìn)一步分析數(shù)據(jù)的云計(jì)算機(jī)都不是可行的選擇。 作為一本介紹神經(jīng)形態(tài)計(jì)算算法和硬件設(shè)計(jì)思想的書(shū)，本書(shū)不僅是信息學(xué)科、軟件工程等學(xué)科的基本教材(或參考書(shū))，更是可以帶領(lǐng)零基礎(chǔ)的人進(jìn)入神經(jīng)形態(tài)計(jì)算領(lǐng)域的引路石。在內(nèi)容的介紹上，本書(shū)循序漸進(jìn)，深入淺出，展示了當(dāng)前人工智能的算法，并逐步引入神經(jīng)形態(tài)的智能算法當(dāng)中，再介紹關(guān)于神經(jīng)形態(tài)算法硬件實(shí)現(xiàn)的設(shè)計(jì)思路。本書(shū)的一大特色是關(guān)注基于新興器件的神經(jīng)形態(tài)計(jì)算的架構(gòu)設(shè)計(jì)，探討新興器件帶來(lái)的設(shè)計(jì)問(wèn)題及其解決思路。本書(shū)附帶了一些案例供讀者學(xué)習(xí)，覆蓋了書(shū)中所涉及領(lǐng)域的眾多代表性工作。雖然本書(shū)不可能完全展示當(dāng)前的神經(jīng)形態(tài)計(jì)算算法和硬件設(shè)計(jì)中的所有技術(shù)細(xì)節(jié)，但是可以對(duì)初入該領(lǐng)域的技術(shù)人員提供一個(gè)較為完整的認(rèn)識(shí)和強(qiáng)有力的幫助。 本書(shū)的內(nèi)容廣泛，包括人工智能的前沿與新興工藝技術(shù)，為了盡可能地翻譯準(zhǔn)確，我們得到了上海交通大學(xué)類(lèi)腦智能應(yīng)用技術(shù)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(shí)也十分感謝楊石玉、朱肖光、陳發(fā)全、耿豪、宋揚(yáng)、尹樹(shù)雨、計(jì)星武、程宇豪、潘敏婷等同學(xué)在校對(duì)過(guò)程中給予的幫助，他們的幫助使本書(shū)翻譯工作得以順利完成。 *后，本書(shū)雖然經(jīng)過(guò)仔細(xì)校對(duì)，但限于譯者自身的水平及經(jīng)驗(yàn)，譯文可能還存在不足，非常期待大家指正，以便之后進(jìn)一步完善。 劉佩林 2020年于上海

高能效類(lèi)腦智能:算法與體系架構(gòu) 作者簡(jiǎn)介

鄭楠 （Nan Zheng） 2011年本科畢業(yè)于上海交通大學(xué)信息工程專(zhuān)業(yè)，2014年和2018年分別獲得美國(guó)密歇根大學(xué)電氣工程碩士和博士學(xué)位。他目前是NVIDIA高級(jí)深度學(xué)習(xí)架構(gòu)師，研究興趣側(cè)重于機(jī)器學(xué)習(xí)應(yīng)用的低能耗硬件架構(gòu)、算法和電路技術(shù)。 皮納基·馬祖姆德 （Pinaki Mazumder） 美國(guó)密歇根大學(xué)電氣工程與計(jì)算機(jī)科學(xué)系教授，他的研究興趣包括對(duì)于量子MOS、自旋電子學(xué)、欺騙等離子體、共振隧穿器件等新興技術(shù)的CMOS超大規(guī)模集成電路設(shè)計(jì)、半導(dǎo)體存儲(chǔ)系統(tǒng)、CAD工具和電路設(shè)計(jì)。 譯者簡(jiǎn)介： 劉佩林　 上海交通大學(xué)電子信息與電氣工程學(xué)院教授，博士生導(dǎo)師。研究領(lǐng)域包括音頻、視頻、3D信號(hào)處理與智能分析，面向機(jī)器人的環(huán)境感知、人機(jī)交互、定位與導(dǎo)航，以及類(lèi)腦計(jì)算與低功耗電路設(shè)計(jì)等。2017年起任上海交通大學(xué)類(lèi)腦智能應(yīng)用技術(shù)研究中心主任。 應(yīng)忍冬　 上海交通大學(xué)電子信息與電氣工程學(xué)院副教授，碩士生導(dǎo)師。研究領(lǐng)域包括嵌入式系統(tǒng)、數(shù)字信號(hào)處理及VLSI實(shí)現(xiàn)架構(gòu)、人工智能領(lǐng)域的機(jī)器思維原理和實(shí)現(xiàn)！ 薛建偉　 上海交通大學(xué)電子信息與電氣工程學(xué)院博士研究生。研究領(lǐng)域包括類(lèi)腦智能、片上多核系統(tǒng)等。

暫無(wú)評(píng)論……
書(shū)友推薦
本類(lèi)暢銷(xiāo)
編輯推薦
返回頂部
中圖網(wǎng)
在線(xiàn)客服