所有文章 > 正文

智能手表也能人脸识别?新兴存储设备让低功耗系统支持神经网络

作者: Jansfer

时间: 2019-10-15 18:36

你有没有想过为什么你的智能手机支持人脸识别而智能手表不支持?

如果你有一个带有面部识别功能的智能手机,你可能会想:你的设备是如何学会识别你的脸,而没有识别成你配偶或者其他人的脸?这都归功于神经网络。神经网络是一种越来越多地应用于日常设备的人工智能研究方法。神经网络是经过训练的模式识别算法,并且能像人脑一样不断提高模式识别的能力。

为了变得如此聪明,神经网络需要大量的能量,这限制了它在小型电池驱动设备中的应用。你有没有想过为什么你的智能手机支持人脸识别而智能手表不支持?仅仅因为手表没有足够的动力支持它。在美国国家科学基金会(NSF)的资助下,美国特拉华大学电气与计算机工程副教授杨成墨(Chengmo Yang)正在研究如何在低功耗嵌入式系统中支持神经网络。她的方法是使用即使断电也能检索信息的新兴存储设备,并尽力缩小这些新兴设备中的错误。

适合神经网络的硬件

要建立神经网络,工程师需要将硬件和软件正确组合。杨教授正在从硬件方面着手处理神经网络。她的研究工作是,如何开发下一代的设备、系统或计算机,以使其更适合于某些特定的应用。她特别致力于提高设备的寿命和可靠性,因为它们在物联网(IoT)中的联系越来越紧密。其中一些设备,特别是低端嵌入式和物联网设备,没有足够的内存空间或电池电量来运行神经网络算法。例如,某些室外使用的传感器不适合频繁充电。

人们希望能够多年使用设备,但神经网络算法几乎可以每周或每月更新一次。解决方案可能在于使用非易失性存储器,它不依赖电来存储信息。有了这些系统,人们不会因为断电而丢失数据。新兴设备利用物理特性来存储数据值。例如,材料可能有两个不同的阶段用于存储信息,当不使用它时,不需要提供任何能量。不过,这些类型的设备可能会受到某些类型的错误的影响,并且会受到温度和湿度等条件变化的负面影响。任何在这些设备上运行的神经网络都有出错的风险。杨教授正在研究一种新的方法来测试设备,检测、分类和减少神经网络中的这些错误。她旨在确定累积的错误阈值,一旦超过该阈值,就需要重新编程或刷新设备,以便将它们恢复到原始的无错误状态。因为刷新和重新编程需要消耗一些能量,所以只有不得不这样做的时候才会去刷新和重新编程。

杨教授给本科生上微处理器和嵌入式系统这门课,旨在帮助本科生解决复杂的硬件问题。她还是一个名为“威胁互联网”的垂直整合项目(VIP, Vertically Integrated Projects)团队的领导。这些项目将本科生、研究生和教职员工配对,共同参与现实世界的项目。对学生来说,了解数据科学的硬件方面很重要。当大多数人谈论数据科学和模型时,他们考虑的是软件,而不是如何在硬件中实现这些模型。随着设备变得越来越先进,这些技能将变得越来越重要,因此杨教授计划教学生如何使用硬件来实现鲁棒性好的神经网络加速器。她还给研究生上系统可靠性这门课,帮助学生识别硬件中有问题的故障和错误。杨教授说,“当学生开始学习编程时,他们认为虽然软件可能有漏洞,但硬件总是好的,值得信赖。这种假设已经不成立了。”

参考:https://techxplore.com/news/2019-10-ai-internet.html

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多