頭條 中国科学院高精度光计算研究取得进展 1月11日消息，据《先进光子学》（Advanced Photonics）报道，在人工智能神经网络高速发展的背景下，大规模的矩阵运算与频繁的数据迭代给传统电子处理器带来了巨大压力。光电混合计算通过光学处理与电学处理的协同集成，展现出显著的计算性能，然而实际应用受限于训练与推理环节分离、离线权重更新等问题，造成信息熵劣化、计算精度下降，导致推理准确度低。 中国科学院半导体研究所提出了一种基于相位像素阵列的可编程光学处理单元（OPU），并结合李雅普诺夫稳定性理论实现了对OPU的灵活编程。在此基础上，团队构建了一种端到端闭环光电混合计算架构（ECA），通过硬件—算法协同设计，实现了训练与推理的全流程闭环优化，有效补偿了信息熵损失，打破了光计算中计算精度与准确度之间的强耦合关系。 最新資訊 2018中国（天津）工业APP创新应用大赛报名正式启动 由工业和信息化部、天津市人民政府主办，中国工业技术软件化产业联盟、天津市工业和信息化委员会联合承办，工业和信息化部电子第五研究所和天津智慧城市研究院负责筹办的“2018中国（天津）工业APP创新应用大赛”已正式启动报名。 發(fā)表于：2018/7/11 2018全球FPGA创新大赛大中华区决赛 北京交通大学拔得头筹 2018年7月1日，由Intel、ADI、ISSI、友晶科技等联合举办的2018 InnovateFPGA全球创新大赛大中华区决赛经过两天激烈角逐，终于在武汉大学落下帷幕。本次大赛前三名的队伍8月将代表大中华区参加在美国Intel总部举行的全球总决赛。 發(fā)表于：2018/7/11 FPGA或SOC的功耗评估在项目中很重要 经常接到工程师的电话，问所选择的FPGA或SOC的功耗情况，有没有典型值。其实针对功耗设计，工程师可以在设计的各个阶段更加准确把握 發(fā)表于：2018/7/9 利用verilog实现基本门电路 verilog实现反相器，2输入与门、2输入或门、2输入与非门、2输入或非门、2输入异或门、2输入同或门； 撰写仿真程序，对实现进行仿真测试； 發(fā)表于：2018/7/9 一文读懂如何选择正确的机器学习算法 机器学习既是一门科学，也是一种艺术。纵观各类机器学习算法，并没有一种普适的解决方案或方法。事实上，有几个因素会影响你对机器学习算法的选择。 發(fā)表于：2018/7/9 XILINX 新一代UltraScale架构了解一下 近年来，ASIC设计规模的增大带来了前所未有的芯片原型验证问题，单颗大容量的FPGA通常已不足以容下千万门级、甚至上亿门级的逻辑设计。现今，将整个验证设计分割到多个采用最新工艺大容量FPGA中，FPGA通过高速总线互联，成为大规模ASIC或SOC原型验证的极佳选择。 發(fā)表于：2018/7/9 FPGA与深度学习的关系究竟是什么？ 人工智能的风潮从技术一路蔓延到硬件，让“芯片”成为今年行业里盛极一时的主题。人们关注通用芯片领域里CPU和GPU不断刷新的基准（benchmark），更对专用芯片（ASIC）领域不同场景下不断问世的解决方案表示出了空前的热情。 發(fā)表于：2018/7/9 数字图像水印在FPGA中如何实现？ 日常生活中我们经常见到数字图像水印的存在。例如图1所示。数字图像水印在日常生活中也起到非常重要的作用。它们以各种方法来保护所有者的权益 發(fā)表于：2018/7/9 一种基于 FPGA +AD7609的数据采集系统 随着信息技术的发展，特别是各种数字处理器处理速度的提高，人们对数据采集系统的要求越来越高，特别是在一些需要在极短时间内完成大量数据采集的场合，对数据采集系统的速度提出了非常高的要求。 發(fā)表于：2018/7/9 FPGA在人工智能领域大显身手，Xilinx前景可期 未来几年，人工智能芯片的需求将急剧上升。联合市场研究公司（Allied Market Research）预估，未来5年，人工智能芯片的需求将以每年近50%的速度增长，因为该技术将在汽车、医疗保健等多个领域得到广泛应用。 發(fā)表于：2018/7/9 <…109110111112113114115116117118…>
