自学物理储备电脑计算机自学物理储备电脑
Md Raf E Ul Shougat1, XiaoFu Li2, Edmon Perkins2
1Department of Mechanical and Aerospace Engineering, <a href="https://ror.org/04tj63d06">North Carolina State University</a>, Raleigh, North Carolina 27695, USA.
Physical review. E
|July 18, 2024
概括
这项研究展示了使用自适应振荡器的自学物理储存电脑. 这些振荡器可以学习和存储信息,使高级神经形态处理器能够进行重新配置的计算.
科学领域:
- 神经形态工程的神经形态工程
- 计算物理 计算物理
- 机器学习 机器学习
背景情况:
- 物理储库计算利用物理系统动态进行计算.
- 适应性振荡器具有在动态状态内学习和存储信息的固有能力.
研究的目的:
- 为了展示一个自我学习的物理水库计算机架构.
- 探索适应性振荡器作为可重新配置计算的核心组件的使用.
- 突出适应性振荡器在开发多用途神经形态处理器中的潜力.
主要方法:
- 使用适应性振荡器作为储库计算的物理系统.
- 使用振荡器的塑性动态状态来处理信息和优化参数.
- 调查自学能力,以适应水库参数复杂的任务.
主要成果:
- 成功演示了一台自学物理储备电脑.
- 适应性振荡器可以天生的学习和存储信息在塑性动态状态.
- 塑料状态为虚拟节点提供了最佳储库参数的自我学习.
结论:
- 适应性振荡器适合于自学物理水库计算.
- 可变形逻辑门属性增强了它们在可重新配置计算中的实用性.
- 这种方法为多用途的神经形态处理器提供了一个有希望的途径.
更多相关视频
08:42Assessment of Social Cognition in Non-human Primates Using a Network of Computerized Automated Learning Device ALDM Test Systems
Published on: May 5, 2015
12.1K
08:59An Open-Source Virtual Reality System for the Measurement of Spatial Learning in Head-Restrained Mice
Published on: March 3, 2023
2.1K
