New approach found for energy-efficient AI applications : vi

 E-Mail
IMAGE: The algorithm will be implemented on brain-inspired computing systems, like the spike-based SpiNNaker (pictured here). SpiNNaker is part of the Human Brain Project's EBRAINS research infrastructure.
view more 
Credit: © Forschungszentrum Jülich
Most new achievements in artificial intelligence (AI) require very large neural networks. They consist of hundreds of millions of neurons arranged in several hundred layers, i.e. they have very "deep" network structures. These large, deep neural networks consume a lot of energy in the computer. Those neural networks that are used in image classification (e.g. face and object recognition) are particularly energy-intensive, since they have to send very many numerical values from one neuron layer to the next with great accuracy in each time cycle.

Related Keywords

Wolfgang Maass , , Theoretical Computer Science , Graz University , Nature Machine , European Human Brain Project , Technology Engineering Computer Science , Computer Science , Hardware , Theory Design , Electrical Engineering Electronics , ஓநாய் மாஸ் , கோட்பாட்டு கணினி அறிவியல் , க்ர்யாஸ் பல்கலைக்கழகம் , இயற்கை இயந்திரம் , ஐரோப்பிய மனிதன் மூளை ப்ராஜெக்ட் , தொழில்நுட்பம் பொறியியல் கணினி அறிவியல் , கணினி அறிவியல் , வன்பொருள் , கோட்பாடு வடிவமைப்பு , மின் பொறியியல் மின்னணுவியல் ,