在過去的十年左右的時(shí)間里，深度學(xué)習(xí)方法在處理靜態(tài)數(shù)據(jù)(例如圖像)方面已經(jīng)變得越來越有效。但是，已發(fā)現(xiàn)這些技術(shù)在分析時(shí)間數(shù)據(jù)(例如視頻，人類語音和其他流輸入)時(shí)效率較低。這主要是因?yàn)樘幚頃r(shí)態(tài)數(shù)據(jù)需要更大的人工神經(jīng)網(wǎng)絡(luò)，這對(duì)于訓(xùn)練和實(shí)施而言更加昂貴。

考慮到這一點(diǎn)，密歇根大學(xué)的一組研究人員最近開發(fā)了一種儲(chǔ)層計(jì)算硬件系統(tǒng)，可以更有效地處理時(shí)間數(shù)據(jù)。儲(chǔ)層計(jì)算系統(tǒng)主要由將輸入映射到高維空間的儲(chǔ)層和基于儲(chǔ)層高維狀態(tài)的讀數(shù)進(jìn)行模式分析組成。

已經(jīng)發(fā)現(xiàn)這些系統(tǒng)對(duì)于時(shí)間或順序數(shù)據(jù)處理特別有效。由研究人員開發(fā)的系統(tǒng)已發(fā)表在《自然電子》上的一篇論文中，該系統(tǒng)基于具有內(nèi)部短期記憶功能的動(dòng)態(tài)氧化鎢(WO x)憶阻器。

主持這項(xiàng)研究的資深作者魏魯對(duì)TechXplore表示：“處理時(shí)間數(shù)據(jù)所需的龐大網(wǎng)絡(luò)規(guī)模的主要原因是網(wǎng)絡(luò)需要學(xué)習(xí)和存儲(chǔ)大量可能的時(shí)間特征。” “為了解決這個(gè)問題，我們采用了“儲(chǔ)層計(jì)算”的概念，系統(tǒng)中的“儲(chǔ)層”可以處理輸入而無需學(xué)習(xí)功能。這是通過儲(chǔ)層的“短期記憶”屬性實(shí)現(xiàn)的，因此它可以相應(yīng)地響應(yīng)(興奮)不同的輸入而不必顯式存儲(chǔ)任何東西。”