蓋世汽車訊 每天，大量涉及天氣、交通和社交媒體的數(shù)據(jù)需要進(jìn)行實(shí)時(shí)處理。在傳統(tǒng)云計(jì)算中，這種處理過程在云端進(jìn)行，引起了人們對(duì)數(shù)據(jù)泄漏、通信延遲、速度慢和功耗更高等問題的擔(dān)憂。

（圖片來源：東京理科大學(xué)）

在這種背景下，“邊緣計(jì)算（edge computing）”提供了富有前景的替代解決方案。它位于用戶附近，旨在分配計(jì)算以減少負(fù)載并加快數(shù)據(jù)處理速度。具體來說，邊緣人工智能（edge AI）是在邊緣計(jì)算環(huán)境中實(shí)現(xiàn)人工智能處理的一種方法，預(yù)計(jì)將在自動(dòng)駕駛汽車和工廠機(jī)器異常預(yù)測(cè)等領(lǐng)域得到應(yīng)用。

然而，為了實(shí)現(xiàn)有效的邊緣計(jì)算，需要高效且計(jì)算成本低的技術(shù)，其中儲(chǔ)層計(jì)算（reservoir computing）是富有前景的選項(xiàng)之一。這種計(jì)算方法可用于處理隨時(shí)間記錄的信號(hào)，利用儲(chǔ)層（可進(jìn)行非線性響應(yīng)）將這些信號(hào)轉(zhuǎn)化為復(fù)雜的模式。尤其是使用物理系統(tǒng)動(dòng)力學(xué)的物理儲(chǔ)層（physical reservoir），具有計(jì)算成本效益和效率。然而，它們實(shí)時(shí)處理信號(hào)的能力受到物理系統(tǒng)自然弛豫時(shí)間的限制，使實(shí)時(shí)處理過程受到影響，需要進(jìn)行調(diào)整以獲得最佳學(xué)習(xí)性能。

返回第一電動(dòng)網(wǎng)首頁(yè) >