荷兰的Innatera使用神经形态架构为传感器应用推出了第一个商业微控制器。本文指出：PULSAR芯片具有异质体系结构，该结构将模拟和数字神经形态模块与传统的卷积神经网络加速器和RISC-V核结合在一起。 Compared to traditional AI processors, it has 100 times lower latency, 500 times lower energy consumption, and a chip size of 2.6 x 2.8 mm, made using a standard 28nm TSMC process and less than $ 5. "Pulsar is more than another AI Chip-the first production of neuromorphic microconcroncercrler of the neuromorphic micconcroncron World, which represents a major shift in the way we bring intelligence, "said Innatera的联合创始人兼首席执行官Sumeet Kumar告诉Eenews Europe。 “去年发送了380亿个传感器，到2030年，Lalago的传感器最高可达600亿，所有这些传感器将比我们发送到云更快的数据，而边缘处理将不是可选的。HoweveR，部署到微控制器的模型有限，应用程序开发人员应在功能，准确性和电力消耗之间进行交换。发射是在神经形态计算中的十多年来深入研究和工程的结束，开始，开始，孤独，孤独，孤独，孤独，神经剧的工程，工程神经病，为神经化，工程学，神经光的工程学。并结合了开创性的建筑。延迟为1MS的模拟设备和数字设备小于1MW。 “In the structure, the key is a cross-switch network with capacitors, the process is not linear but exponential, which simply uses ng a single transistor to the analog domain, "he said." The reason we use digital spike neural networks is for configuring and flexibility-it is achieved through doors and multiplier. Which requires a lot of strength, and the peak network can effectively process streaming data. For example, the 1M C可以使用10,000个参数，3kbyte，54个神经元的模型来实现动作识别的NN参数模型，并且它消耗了非常低的强度。他说：“对于大多数应用程序问题，您需要选择AI方法，因此添加CNN开发人员可以添加到正确的工具工作中。”他指出，每辆钻孔无线耳机的能量影响力分类降低了100倍至400μW，并且该模型以相同的精度和90％++降低了33次。 μW）和167倍的延迟比CNN加速器小。环境以及模型的描述是在Python中，其中包含有关书面Python的培训数据，我们的SNN编译器具有芯片体系结构的模型，该模型开始降低神经形态计算障碍，使其易于开发和在轮廓中开发和部署手腕模型。 “ Innatera启动了开发人员计划，该计划现已向那些在7月采用并启动神经形态开发委员会的人开放。小编：荷兰的Innatera使用神经形态架构为传感器应用推出了第一个商业微控制器。提到了本文的地址：
当前网址：https://www.tianyuanqing.com//linggan/webdesign/883.html
