ترجمه فارسی مقاله محاسبات مخزنی نورومورفیک روی تراشه با معماری‌های شبکه عصبی اسپایکی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Neuromorphic on-chip reservoir computing with spiking neural network architectures
عنوان مقاله به فارسی محاسبات مخزنی نورومورفیک روی تراشه با معماری‌های شبکه عصبی اسپایکی
نویسندگان Samip Karki, Diego Chavez Arana, Andrew Sornborger, Francesco Caravelli
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
دسته بندی موضوعات Neural and Evolutionary Computing,Emerging Technologies,Machine Learning,محاسبات عصبی و تکاملی , فن آوری های نوظهور , یادگیری ماشین ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , Comments: 19 pages, 9 figures; single column
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 19 صفحه ، 9 شکل ؛یک ستون

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 760,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Reservoir computing is a promising approach for harnessing the computational power of recurrent neural networks while dramatically simplifying training. This paper investigates the application of integrate-and-fire neurons within reservoir computing frameworks for two distinct tasks: capturing chaotic dynamics of the Hénon map and forecasting the Mackey-Glass time series. Integrate-and-fire neurons can be implemented in low-power neuromorphic architectures such as Intel Loihi. We explore the impact of network topologies created through random interactions on the reservoir's performance. Our study reveals task-specific variations in network effectiveness, highlighting the importance of tailored architectures for distinct computational tasks. To identify optimal network configurations, we employ a meta-learning approach combined with simulated annealing. This method efficiently explores the space of possible network structures, identifying architectures that excel in different scenarios. The resulting networks demonstrate a range of behaviors, showcasing how inherent architectural features influence task-specific capabilities. We study the reservoir computing performance using a custom integrate-and-fire code, Intel's Lava neuromorphic computing software framework, and via an on-chip implementation in Loihi. We conclude with an analysis of the energy performance of the Loihi architecture.

چکیده به فارسی (ترجمه ماشینی)

محاسبات مخزن یک رویکرد امیدوار کننده برای استفاده از قدرت محاسباتی شبکه های عصبی مکرر و در عین حال ساده سازی آموزش است.در این مقاله به بررسی کاربرد نورونهای یکپارچه و آتش در چارچوب های محاسبات مخزن برای دو کار مجزا: ضبط دینامیک هرج و مرج از نقشه هنون و پیش بینی سری زمان شیشه ای مکی پرداخته شده است.نورونهای ادغام و آتش می توانند در معماری های عصبی کم قدرت مانند Intel Loihi اجرا شوند.ما تأثیر توپولوژی های شبکه ایجاد شده از طریق تعامل تصادفی بر عملکرد مخزن را بررسی می کنیم.مطالعه ما تغییرات خاص وظیفه در اثربخشی شبکه را نشان می دهد ، و اهمیت معماری های متناسب را برای کارهای محاسباتی مجزا برجسته می کند.برای شناسایی تنظیمات بهینه شبکه ، ما از یک روش یادگیری متا همراه با بازپخت شبیه سازی شده استفاده می کنیم.این روش به طور مؤثر به بررسی فضای ساختارهای شبکه احتمالی می پردازد و معماری هایی را که در سناریوهای مختلف برتری دارند ، شناسایی می کند.شبکه های حاصل طیف وسیعی از رفتارها را نشان می دهند ، و نشان می دهد که چگونه ویژگی های معماری ذاتی بر قابلیت های خاص کار تأثیر می گذارد.ما عملکرد محاسبات مخزن را با استفاده از یک کد ادغام و آتش سوزی سفارشی ، چارچوب نرم افزار محاسبات عصبی گدازه Intel و از طریق اجرای تراشه در LoiHi مطالعه می کنیم.ما با تجزیه و تحلیل عملکرد انرژی معماری Loihi نتیجه می گیریم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.