俄羅斯的一位科學(xué)家開發(fā)了一種新的神經(jīng)網(wǎng)絡(luò)架構(gòu)，并測(cè)試了其在手寫數(shù)字識(shí)別方面的學(xué)習(xí)能力。網(wǎng)絡(luò)的智能被混亂放大，分類精度達(dá)到96.3％。該網(wǎng)絡(luò)可用于帶有少量RAM的微控制器中，并嵌入鞋或冰箱等家庭用品中，從而使其變得“智能”。該研究發(fā)表在《電子》雜志上。

如今，尋找可以在帶有少量隨機(jī)存取存儲(chǔ)器（RAM）的微控制器上運(yùn)行的新神經(jīng)網(wǎng)絡(luò)尤為重要。為了進(jìn)行比較，在普通的現(xiàn)代計(jì)算機(jī)中，隨機(jī)存取內(nèi)存以GB為單位進(jìn)行計(jì)算。盡管微控制器的處理能力明顯低于筆記本電腦和智能手機(jī)，但它們卻更小巧，可以與家庭用品連接。智能門，冰箱，鞋子，眼鏡，水壺和咖啡機(jī)為所謂的環(huán)境智能奠定了基矗該術(shù)語表示互連的智能設(shè)備的環(huán)境。

環(huán)境智能的一個(gè)例子是智能家居。內(nèi)存有限的設(shè)備無法存儲(chǔ)大量密鑰以進(jìn)行安全的數(shù)據(jù)傳輸和神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)組。由于缺乏所需的計(jì)算能力，因此可以防止將人工智能引入物聯(lián)網(wǎng)設(shè)備。但是，人工智能將使智能設(shè)備在分析和決策上花費(fèi)更少的時(shí)間，更好地了解用戶并以友好的方式為他們提供幫助。因此，例如在衛(wèi)生保健領(lǐng)域，在創(chuàng)建環(huán)境情報(bào)方面會(huì)出現(xiàn)許多新的機(jī)會(huì)。

俄羅斯彼得羅扎沃茨克州立大學(xué)的Andrei Velichko創(chuàng)建了一種新的神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)，該體系結(jié)構(gòu)可有效利用少量RAM，并為將低功耗設(shè)備引入物聯(lián)網(wǎng)提供了機(jī)會(huì)。稱為L(zhǎng)ogNNet的網(wǎng)絡(luò)是前饋神經(jīng)網(wǎng)絡(luò)，其中信號(hào)僅從輸入到輸出進(jìn)行定向。它對(duì)輸入信號(hào)使用確定性混沌濾波器。系統(tǒng)會(huì)隨機(jī)混合輸入的信息，但同時(shí)會(huì)從最初不可見的信息中提取有價(jià)值的數(shù)據(jù)。儲(chǔ)層神經(jīng)網(wǎng)絡(luò)使用了類似的機(jī)制。為了產(chǎn)生混亂，應(yīng)用了一個(gè)簡(jiǎn)單的邏輯映射方程，在該方程的基礎(chǔ)上，下一個(gè)值被計(jì)算出來。該方程式通常用于群體生物學(xué)中，并作為計(jì)算混沌值序列的簡(jiǎn)單方程式的示例。這樣，簡(jiǎn)單的方程式存儲(chǔ)了由處理器計(jì)算出的無限數(shù)量的隨機(jī)數(shù)，并且網(wǎng)絡(luò)體系結(jié)構(gòu)使用它們并消耗較少的RAM。

這位科學(xué)家在MNIST數(shù)據(jù)庫(kù)上的手寫數(shù)字識(shí)別上測(cè)試了他的神經(jīng)網(wǎng)絡(luò)，該數(shù)據(jù)庫(kù)被認(rèn)為是訓(xùn)練神經(jīng)網(wǎng)絡(luò)識(shí)別圖像的標(biāo)準(zhǔn)。該數(shù)據(jù)庫(kù)包含超過70，000個(gè)手寫數(shù)字。這些數(shù)字中有六萬個(gè)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，另外一萬個(gè)用于網(wǎng)絡(luò)測(cè)試。網(wǎng)絡(luò)中的神經(jīng)元和混亂越多，圖像識(shí)別效果就越好。網(wǎng)絡(luò)實(shí)現(xiàn)的最大精度為96.3％，而開發(fā)的體系結(jié)構(gòu)使用的RAM不超過29 KB。此外，LogNNet使用非常小的RAM大小（1-2kB范圍）證明了令人鼓舞的結(jié)果。微型控制器Atmega328可以嵌入到智能門甚至智能鞋墊中，具有大約相同的內(nèi)存量。

“多虧了這方面的發(fā)展，為物聯(lián)網(wǎng)的新的機(jī)會(huì)正在開放，因?yàn)槿魏卧O(shè)備配備了低功耗的微型控制器可以與人工智能供電。通過這種方式，路徑被打開的信息智能處理的外圍無需將數(shù)據(jù)發(fā)送到云服務(wù)的設(shè)備，并改善了例如智能家居的操作，這對(duì)物聯(lián)網(wǎng)技術(shù)的發(fā)展做出了重要貢獻(xiàn)，這是彼得羅扎沃茨克州立大學(xué)的科學(xué)家積極研究的。研究概述了研究混亂對(duì)人工智能影響的另一種方法?！?Andrei Velichko說。
責(zé)任編輯：YYX