محققان دانشگاه Fukuoka ، در ژاپن ، اخیراً یک روش طراحی برای مدارهای حسابی تقریبی قابل تنظیم پیشنهاد داده اند. در بخشی از مطالعه خود ، که در ResearchGate منتشر شد ، آنها روش خود را به یک سیستم نمونه اولیه برای پردازش تصویر که به شبکه های عصبی عمیق متکی است ، اعمال کردند.
محاسبات تقریبی یک روش محاسبه امیدوارکننده است که به توانایی بسیاری از سیستمها برای تحمل برخی از دست دادن کیفیت یا بهینه در نتایج محاسباتی متکی است. با کاهش نیاز به عملیات دقیق یا کاملاً قطعی ، می توان با مصرف انرژی کمتری به کارایی بالایی دست یافت.
در حالی که بسیاری از مطالعات تحقیقاتی روی مدارهای حسابی تقریبی متمرکز شده اند ، مدارهای تقریبی قابل تنظیم فقط اخیراً مورد توجه قرار گرفته اند. یكی از مهمترین چالش ها در این زمینه ، تعیین پارامترهای تنظیمات این مدارها است ، كاری كه اغلب می تواند دشوار و خسته كننده باشد.
توشیینوری ساتو ، یکی از محققانی که این تحقیق را انجام داده ، به TechXplore گفت: "تحقیقات کنونی ما روی مدارهای تقریبی حساب متمرکز است." "این مدارها دقت محاسبات را برای سایر محدودیت های طراحی مانند قدرت ، سرعت و اندازه انجام می دهند. ما فکر کردیم که شبکه های عصبی ممکن است به سهولت در طراحی مدار کمک کنند. "
تحقیقات گذشته در مورد مدارهای تقریبی قابل تنظیم ، عمدتا ساختار مدار را بدون بررسی داده های هدف در نظر گرفته است. این امر باعث می شود تا طراحان بتوانند بر اساس داده های خاص بهینه سازی ها را انجام دهند. از طرف دیگر روش ابداع شده توسط Sato و همکارانش به سمت داده های پردازش شده متمرکز شده است ، بنابراین هم برنامه ها و هم داده های آنها را همزمان بررسی می کنیم.
اعتبار: Ishida ، Sato و Ukezono.
ساتو توضیح داد: "ما نمونه اولیه خود را برای شناسایی رابطه بین پارامترهای طراحی مدار و کیفیت تصویر پردازش شده آموزش دادیم." "پس از آموزش ، نمونه اولیه هنگام تهیه تصویر خاص ، قادر به ایجاد یک طراحی بهینه از مدارهای حسابی تقریبی قابل تنظیم است."
در طراحی پیشنهادی Sato و همکارانش ، ژنراتور تقریبی مدار داده مورد نظر خود و همچنین برخی از محدودیت های طراحی و الزامات کاربر را در نظر می گیرد. رویکرد آنها همچنین مدارهای تقریبی پارامتری را کنترل می کند و به طور خودکار پارامترهای آنها را تعیین می کند. این امر طراحان را از کار خسته کننده و وقت گیر در تعیین دستی پارامترها رها می کند.
ساتو گفت: "مشخصه ترین ویژگی روش ما این است که آن را به صورت داده هدایت می کند." "بسیاری از مطالعات ، یک برنامه دامنه خاص را هدف قرار داده اند ، اما ما معتقدیم که تنها تعداد معدودی هم برنامه ها و هم داده های خود را به طور همزمان در نظر می گیرند. این ویژگی مهم است ، زیرا در نهایت می تواند پذیرش گسترده مدارهای تقریبی را تسهیل کند ."
محققان روش خود را ارزیابی کرده و آن را به عنوان نمونه اولیه عمق شبکه عصبی مبتنی بر اثبات مفهوم برای پردازش تصویر استفاده کردند. طراحی آنها به نتایج امیدوارکننده ، پردازش تصاویر تقریباً و همچنین رویکردهای سنتی با پیشرفت چشمگیر در قدرت (33.28 درصد) ، تأخیر (5.67 درصد) و مساحت (8/21 درصد) رسیده است.
ساتو گفت: "نمونه اولیه ما هنوز در مرحله اولیه توسعه است." "ما اکنون باید آن را بهبود ببخشیم تا بتواند نیازهای بیشتری از طراحان مانند مصرف برق ، تأخیر در مدار و اندازه را در نظر بگیرد. در نتیجه ، ما همچنین دوست داریم متدولوژی را برای سایر برنامه های فراتر از پردازش تصویر بکار ببریم ."
http://bookmark-template.com/story6989875/پمپ-وکیوم-اصفهان
محققان دانشگاه Fukuoka ، در ژاپن ، اخیراً یک روش طراحی برای مدارهای حسابی تقریبی قابل تنظیم پیشنهاد داده اند. در بخشی از مطالعه خود ، که در ResearchGate منتشر شد ، آنها روش خود را به یک سیستم نمونه اولیه برای پردازش تصویر که به شبکه های عصبی عمیق متکی است ، اعمال کردند.
محاسبات تقریبی یک روش محاسبه امیدوارکننده است که به توانایی بسیاری از سیستمها برای تحمل برخی از دست دادن کیفیت یا بهینه در نتایج محاسباتی متکی است. با کاهش نیاز به عملیات دقیق یا کاملاً قطعی ، می توان با مصرف انرژی کمتری به کارایی بالایی دست یافت.
در حالی که بسیاری از مطالعات تحقیقاتی روی مدارهای حسابی تقریبی متمرکز شده اند ، مدارهای تقریبی قابل تنظیم فقط اخیراً مورد توجه قرار گرفته اند. یكی از مهمترین چالش ها در این زمینه ، تعیین پارامترهای تنظیمات این مدارها است ، كاری كه اغلب می تواند دشوار و خسته كننده باشد.
توشیینوری ساتو ، یکی از محققانی که این تحقیق را انجام داده ، به TechXplore گفت: "تحقیقات کنونی ما روی مدارهای تقریبی حساب متمرکز است." "این مدارها دقت محاسبات را برای سایر محدودیت های طراحی مانند قدرت ، سرعت و اندازه انجام می دهند. ما فکر کردیم که شبکه های عصبی ممکن است به سهولت در طراحی مدار کمک کنند. "
تحقیقات گذشته در مورد مدارهای تقریبی قابل تنظیم ، عمدتا ساختار مدار را بدون بررسی داده های هدف در نظر گرفته است. این امر باعث می شود تا طراحان بتوانند بر اساس داده های خاص بهینه سازی ها را انجام دهند. از طرف دیگر روش ابداع شده توسط Sato و همکارانش به سمت داده های پردازش شده متمرکز شده است ، بنابراین هم برنامه ها و هم داده های آنها را همزمان بررسی می کنیم.
اعتبار: Ishida ، Sato و Ukezono.
ساتو توضیح داد: "ما نمونه اولیه خود را برای شناسایی رابطه بین پارامترهای طراحی مدار و کیفیت تصویر پردازش شده آموزش دادیم." "پس از آموزش ، نمونه اولیه هنگام تهیه تصویر خاص ، قادر به ایجاد یک طراحی بهینه از مدارهای حسابی تقریبی قابل تنظیم است."
در طراحی پیشنهادی Sato و همکارانش ، ژنراتور تقریبی مدار داده مورد نظر خود و همچنین برخی از محدودیت های طراحی و الزامات کاربر را در نظر می گیرد. رویکرد آنها همچنین مدارهای تقریبی پارامتری را کنترل می کند و به طور خودکار پارامترهای آنها را تعیین می کند. این امر طراحان را از کار خسته کننده و وقت گیر در تعیین دستی پارامترها رها می کند.
ساتو گفت: "مشخصه ترین ویژگی روش ما این است که آن را به صورت داده هدایت می کند." "بسیاری از مطالعات ، یک برنامه دامنه خاص را هدف قرار داده اند ، اما ما معتقدیم که تنها تعداد معدودی هم برنامه ها و هم داده های خود را به طور همزمان در نظر می گیرند. این ویژگی مهم است ، زیرا در نهایت می تواند پذیرش گسترده مدارهای تقریبی را تسهیل کند ."
محققان روش خود را ارزیابی کرده و آن را به عنوان نمونه اولیه عمق شبکه عصبی مبتنی بر اثبات مفهوم برای پردازش تصویر استفاده کردند. طراحی آنها به نتایج امیدوارکننده ، پردازش تصاویر تقریباً و همچنین رویکردهای سنتی با پیشرفت چشمگیر در قدرت (33.28 درصد) ، تأخیر (5.67 درصد) و مساحت (8/21 درصد) رسیده است.
ساتو گفت: "نمونه اولیه ما هنوز در مرحله اولیه توسعه است." "ما اکنون باید آن را بهبود ببخشیم تا بتواند نیازهای بیشتری از طراحان مانند مصرف برق ، تأخیر در مدار و اندازه را در نظر بگیرد. در نتیجه ، ما همچنین دوست داریم متدولوژی را برای سایر برنامه های فراتر از پردازش تصویر بکار ببریم ."
http://bookmark-template.com/story6989875/پمپ-وکیوم-اصفهان
هواپیماهای بدون سرنشین قابل حمل جدید در سوراخ های باریک در ماموریت های نجات پرواز می کنند