高能效類腦智能：算法與體系架構(gòu)

定　價：￥99.00

作　者：	[中]鄭楠(Nan Zheng),[美]皮納基·馬祖姆德
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111682998	出版時間：	2021-06-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：	224	字數(shù)：

內(nèi)容簡介

　　本書主要關(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、協(xié)同優(yōu)化方法。完整地描述從高級算法到底層硬件實現(xiàn)的細節(jié)。本書同樣涵蓋了脈沖型神經(jīng)元網(wǎng)絡(luò)中的許多基礎(chǔ)知識和關(guān)鍵點。本書從對脈沖型神經(jīng)元網(wǎng)絡(luò)的概述開始，討論基于速率的人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用和訓(xùn)練，介紹實現(xiàn)神經(jīng)網(wǎng)絡(luò)的多種方法，如通用處理器和專用硬件，數(shù)字加速器和模擬加速器。同時展示了一個為能適應(yīng)神經(jīng)網(wǎng)絡(luò)動態(tài)編程而建立的高能效加速器，驗證脈沖神經(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)為讀者介紹三個實現(xiàn)前述章節(jié)學(xué)習(xí)算法的設(shè)計案例（兩個基于傳統(tǒng)CMOS工藝，一個基于新興的納米工藝）。本書的結(jié)尾對脈沖型神經(jīng)元網(wǎng)絡(luò)硬件進行總結(jié)與展望。

作者簡介

　　鄭楠（Nan Zheng） 2011年本科畢業(yè)于上海交通大學(xué)信息工程專業(yè)，2014年和2018年分別獲得美國密歇根大學(xué)電氣工程碩士和博士學(xué)位。他目前是NVIDIA高級深度學(xué)習(xí)架構(gòu)師，研究興趣側(cè)重于機器學(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）美國密歇根大學(xué)電氣工程與計算機科學(xué)系教授，他的研究興趣包括對于量子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、半導(dǎo)體存儲系統(tǒng)、CAD工具和電路設(shè)計。譯者簡介：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信號處理與智能分析，面向機器人的環(huán)境感知、人機交互、定位與導(dǎo)航，以及類腦計算與低功耗電路設(shè)計等。2017年起任上海交通大學(xué)類腦智能應(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)字信號處理及VLSI實現(xiàn)架構(gòu)、人工智能領(lǐng)域的機器思維原理和實現(xiàn)?！⊙▊ァ∩虾＝煌ù髮W(xué)電子信息與電氣工程學(xué)院博士研究生。研究領(lǐng)域包括類腦智能、片上多核系統(tǒng)等。

圖書目錄

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　本書的目標和大綱4
　參考文獻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)的機器學(xué)習(xí)13
　　　2.2.1　監(jiān)督學(xué)習(xí)13
　　　2.2.2　強化學(xué)習(xí)15
　　　2.2.3　無監(jiān)督學(xué)習(xí)17
　　　2.2.4　案例研究：基于動作的啟發(fā)式動態(tài)規(guī)劃18
　2.3　網(wǎng)絡(luò)拓撲24
　　　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29
　2.5　深度學(xué)習(xí)31
　　　2.5.1　前深度學(xué)習(xí)時代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實現(xiàn)方法48
　　　3.3.2　FPGA加速器61
　3.4　模擬/混合信號加速器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)動態(tài)規(guī)劃加速器的程序設(shè)計72
　　　3.5.1　硬件架構(gòu)73
　　　3.5.2　設(shè)計示例78
　參考文獻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　脈沖時間相關(guān)可塑性98
　　　4.2.4　雙層神經(jīng)網(wǎng)絡(luò)中通過調(diào)制權(quán)重依賴的STDP進行學(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反向傳播的研究進展116
　　　4.3.5　在多層神經(jīng)網(wǎng)絡(luò)中通過調(diào)制權(quán)重依賴的STDP進行學(xué)習(xí)的方法116
　參考文獻128
第5章　脈沖神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn)133
　5.1　對專用硬件的需求133
　　　5.1.1　地址事件表示133
　　　5.1.2　事件驅(qū)動計算134
　　　5.1.3　漸進精度推理134
　　　5.1.4　實現(xiàn)權(quán)重依賴的STDP學(xué)習(xí)規(guī)則的硬件注意事項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CMOS脈沖神經(jīng)網(wǎng)絡(luò)163
　　　5.3.3　其他模擬/混合信號CMOS脈沖神經(jīng)網(wǎng)絡(luò)專用集成電路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關(guān)的學(xué)習(xí)169
　參考文獻183
第6章　總結(jié)190
　6.1　展望190
　　　6.1.1　腦啟發(fā)式計算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194
附錄197
術(shù)語表205