娱乐拼三张-戏盘点-[游侠手游]

   宠物咨询:0512-6500-1280



拼三张下载

您当前位置: 首页 > 拼三张下载

计算机科学家简化深度学习

来源:娱乐拼三张-戏盘点-[游侠手游]    发布时间:2019-05-22    阅读量:9999+

热门棋牌6月1日(UPI) - 莱斯大学的计算机科学家开发了一种新技术,用于最小化深度学习所需的计算量。简化技术类似于通常用于最小化数据分析所需数学量的方法。适用于任何深度学习架构,该技术可以在线性上进行扩展,这意味着应用它的深度神经网络越大,计算量就越大,“首席研究员Anshumali Shrivastava,计算机助理教授科学,在新闻发布会上说。深度学习网络在医疗保健和通信等各个领域都具有巨大的潜力。网络仍然很麻烦,需要大量的计算能力。 科学家经常使用称为“散列”的数据索引方法来减少大量计算。 Hashing将更大的数字和计算转换为更小的数据集,然后将信息组织成索引。“我们的方法融合了两种技术 - 局部敏感散列和稀疏反向传播的巧妙变体 - 以减少计算需求而不会显着降低精度,”大米研究生Ryan Spring。 “例如,在小规模测试中,我们发现我们可以将计算量降低95%,并且仍然在标准方法获得的准确度的1%以内。”深度学习依赖于人工神经元,数学函数转为一个或多个收到输入的输入。深度学习网络中的神经元从空白的板块开始,但790棋牌随着时间的推移变得更加专业化,因为他们从数据的流入中学习。随着神经元变得更加专业化,它们形成了一系列功能。 低级神经元执行简单的功能,而高级神经元负责更复杂的计算。更多层可以产生更复杂和更强大的结果。但是更多的层需要更多的时间,空间和能量。“有了'大数据',对计算周期,能源和内存等资源有基本的限制。我们的实验室专注于解决这些限制,”Shrivastava说。研究人员相信他们的最新努力将会允许计算机科学家更有效地部署大型深度学习网络。“由于我们正在利用大数据中固有的稀疏性,节省的成本随之增加,”Spring表示。 “例如,让我们说一个深网有十亿个神经元。对于任何给定的输入 - 就像一张狗的图片 - 只有少数会变得兴奋。用数据的说法,我们称之为稀疏性,因为随着网络规模的扩大,我们的方法将节省更多。因此,虽然我们已经显示了1000个神经元节省了95%,但数学表明我们可以用10亿个神经元节省99%以上。“Shrivastava和Spring计划在在将于8月在新斯科舍举行的SIGKDD知识发现和数据挖掘会议上分享他们的工作。棋牌官网