澳大利亚皇家墨尔本理工大学研究团队展示了一种捕捉、处理和存储视觉信息的神经形态器件,它可用与人类相似的方式“看”并形成记忆,这项进步朝着开发出能做快速、复杂决策的应用(例如在自动驾驶汽车中)迈出了一大步。相关研究14日发表于《先进功能材料》期刊。
这种神经形态器件是一种由掺杂氧化铟传感元件实现的单芯片,厚度仅为人类头发丝的数千分之一,不需要外部组件就能运作。该器件模仿了人眼捕捉光线的能力,像视神经一样预先打包和传输信息,并像人类大脑一样在记忆系统中存储和分类信息。这些功能可使其实现超快决策。
与此前已知器件相比,新器件能够在更长的时间内保留信息,不需要频繁的电信号来刷新记忆。这一能力显著降低了能耗,并提高了器件的性能。
人眼只有一个视网膜,可以捕捉整个图像,然后由大脑进行处理,以识别物体、颜色和其他视觉特征。研究团队从人眼中汲取灵感,创造出具有类似功能的“相机”。该器件通过使用单一元素图像传感器来模拟视网膜的功能,这些传感器在一个平台上捕获、存储和处理视觉信息。
神经形态视觉系统使用类似于人脑的模拟处理,与目前的技术相比,可以大大减少执行复杂视觉任务所需的能量。
该团队表示,如果将这项技术从目前使用的紫外光扩展到可见光和红外光,还能应用于更多领域或场景,例如仿生视觉、危险环境中的自主操作、食品保质期评估和法医学。此外,神经形态机器人有望在可能发生塌方、爆炸和存在有毒气体的危险环境中长时间自主运行。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
原文标题:微型神经形态器件模拟人类视觉和记忆
文章出处:【微信号:MEMSensor,微信公众号:MEMS】欢迎添加关注!文章转载请注明出处。
相关推荐
各种波形分析和运算任务,如FFT分析、峰值检测、自动测量等。
波形显示:处理后的信号数据通过数模转换器(D/A转换器)还原成模拟信号,并在荧光屏上显示出来。这样,用户就可以看到被测信号的波形形态、幅值
发表于 01-06 15:50
近日,据外媒最新报道,斯坦福大学、华盛顿大学与Google DeepMind的科研团队携手合作,成功开发出一种能够高度逼真模拟人类行为的AI智能体。 该智能体的构建得益于研究团队将详细的访谈记录
发表于 11-26 10:24
•385次阅读
卷积神经网络是一种前馈神经网络,其灵感来源于生物的视觉皮层机制。它通过模拟人类视觉系统的处理方式,能够自动提取图像特征,从而在图像识别和分
发表于 11-15 14:52
•365次阅读
TDK公司宣布其已成功研发出一款超低能耗的神经形态元件--自旋忆阻器。通过模拟人脑高效节能的运行模式,该元件可将人工智能(AI)应用的能耗降至传统设备的百分之一。与法国研究机构原子能和替代能源
发表于 10-14 11:00
•482次阅读
机器视觉(Machine Vision)是一种利用计算机和图像处理技术来模拟人类视觉系统的功能,实现对图像的识别、分析和理解的技术。OpenCV(Open Source Computer
发表于 07-16 10:33
•825次阅读
卷积神经网络(Convolutional Neural Networks, CNNs)通常被用来处理具有显著空间层次结构的数据,特别是图像和视频数据。它们通过模拟人类视觉处理机制中的某些方面,如局部
发表于 07-11 14:51
•837次阅读
1.1 卷积神经网络的定义 卷积神经网络是一种深度学习模型,它通过模拟人类视觉系统的工作方式,对输入数据进行特征提取和分类。与传统的神经网
发表于 07-11 14:45
•760次阅读
深度神经网络(Deep Neural Networks, DNNs)作为机器学习领域中的一种重要技术,特别是在深度学习领域,已经取得了显著的成就。它们通过模拟人类大脑的处理方式,利用多层神经元结构
发表于 07-10 18:23
•1053次阅读
人工神经网络(Artificial Neural Network,ANN)是一种模拟人脑神经网络的计算模型,具有自适应、自学习、泛化能力强等特点。本文将详细介绍人工神经网络模型的各个层次,包括感知机
发表于 07-05 09:17
•627次阅读
人工智能是一门研究如何使计算机模拟人类智能行为的学科。它起源于20世纪40年代,当时计算机科学家们开始尝试开发能够模拟人类思维过程的计算机程序。人工智能的目标是通过计算机程序实现对人类智能的
发表于 07-04 09:39
•1308次阅读
神经形态计算是一种新型的计算范式,它模仿生物神经网络(如人脑)的结构和功能以在为人工智能、机器学习、机器人和感官处理等各种应用实现高性能、低功耗和自适应学习能力。
发表于 07-03 10:02
•390次阅读
和工作原理。 1. 引言 在深度学习领域,卷积神经网络是一种非常重要的模型。它通过模拟人类视觉系统,能够自动学习图像中的特征,从而实现对图像的识别和分类。与传统的机器学习方法相比,CNN具有更强的特征提取能力,能够处理更复杂的数
发表于 07-03 09:38
•689次阅读
显著成就后,也逐渐被引入到文本分类任务中。卷积神经网络通过模拟人类视觉系统的信息处理方式,能够有效地提取文本中的局部特征,进而实现高精度的文本分类。本文将对卷积神经网络在文本分类领域的
发表于 07-01 16:25
•750次阅读
长久以来,科学界一直关注微重力环境对于人体健康的潜在危害,如骨质流失和“空间飞行相关的神经-眼球综合症”等。因此,模拟人工重力成为解决这一问题的潜在方法。
发表于 03-11 11:08
•844次阅读
视觉等领域。 AI 算法的核心是实现智能化的决策和行为 AI算法的本质在于模拟人类智能的能力,让计算机能够对现实世界进行模拟和模仿,从而达到智能化的目的。具体来说,AI算法可以通过机器学习、自然语言处理、计算机
发表于 02-07 00:07
•5851次阅读
评论