AI神經(jīng)網(wǎng)絡(luò)優(yōu)化的案例
AI神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機(jī)械葉片設(shè)計(jì)、仿真及優(yōu)化中的應(yīng)用。
本文介紹了使用AI神經(jīng)網(wǎng)絡(luò)進(jìn)行旋轉(zhuǎn)機(jī)械葉片設(shè)計(jì)、仿真和優(yōu)化的方法。通過建立神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)了對葉片性能的準(zhǔn)確預(yù)測和優(yōu)化。本文的研究結(jié)果表明，AI神經(jīng)網(wǎng)絡(luò)能夠有效地應(yīng)用于旋轉(zhuǎn)機(jī)械葉片的設(shè)計(jì)、仿真和優(yōu)化過程，并可提高葉片的性能和效率。
旋轉(zhuǎn)機(jī)械葉片是各種動力設(shè)備的關(guān)鍵部件，如航空發(fā)動機(jī)、燃?xì)廨啓C(jī)、壓縮機(jī)等。這些設(shè)備的性能和效率往往受到旋轉(zhuǎn)機(jī)械葉片的設(shè)計(jì)和性能的影響。因此，如何提高旋轉(zhuǎn)機(jī)械葉片的性能和效率是當(dāng)前研究的熱點(diǎn)問題。傳統(tǒng)的旋轉(zhuǎn)機(jī)械葉片設(shè)計(jì)方法通?；诮?jīng)驗(yàn)或試驗(yàn)，不僅耗費(fèi)大量時(shí)間和資源，而且不能保證設(shè)計(jì)的最優(yōu)性。因此，研究人員嘗試?yán)萌斯ぶ悄芗夹g(shù)，特別是神經(jīng)網(wǎng)絡(luò)技術(shù)，對旋轉(zhuǎn)機(jī)械葉片進(jìn)行設(shè)計(jì)和優(yōu)化。
近年來，國內(nèi)外研究者對旋轉(zhuǎn)機(jī)械葉片設(shè)計(jì)、仿真和優(yōu)化方法進(jìn)行了廣泛研究。傳統(tǒng)的旋轉(zhuǎn)機(jī)械葉片設(shè)計(jì)方法主要基于經(jīng)驗(yàn)公式和試驗(yàn)方法，如采用流體力學(xué)、熱力學(xué)和結(jié)構(gòu)力學(xué)等相關(guān)理論進(jìn)行葉片設(shè)計(jì)和優(yōu)化。然而，這些方法往往存在耗時(shí)長、成本高、無法保證最優(yōu)性等問題，因此限制了其應(yīng)用范圍。近年來，隨著人工智能技術(shù)的發(fā)展，特別是神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用，為旋轉(zhuǎn)機(jī)械葉片的設(shè)計(jì)和優(yōu)化提供了新的解決方案。
神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)和功能的計(jì)算模型，具有自學(xué)習(xí)、自組織和適應(yīng)性等特點(diǎn)。在旋轉(zhuǎn)機(jī)械葉片設(shè)計(jì)、仿真和優(yōu)化中，神經(jīng)網(wǎng)絡(luò)可以用于建立模型，實(shí)現(xiàn)對葉片性能的預(yù)測和優(yōu)化。本文采用深度學(xué)習(xí)框架下的卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）相結(jié)合的方法，建立了一個(gè)多層次、多尺度的神經(jīng)網(wǎng)絡(luò)模型，用于旋轉(zhuǎn)機(jī)械葉片的設(shè)計(jì)、仿真和優(yōu)化。
結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行葉片優(yōu)化設(shè)計(jì)主要有以下幾方面內(nèi)容：
1) 應(yīng)用神經(jīng)網(wǎng)絡(luò)模型：當(dāng)模型經(jīng)過足夠的訓(xùn)練和驗(yàn)證后，可以將其應(yīng)用于新的旋轉(zhuǎn)機(jī)械葉片的設(shè)計(jì)。
展開 3D打印出來的神經(jīng)網(wǎng)絡(luò)，光速求解AI數(shù)學(xué)運(yùn)算
大腦中神經(jīng)元之間的信號傳播速度大約是 100 米每秒，而光的傳播速度是 30 萬千米每秒，如果神經(jīng)元信號也是光速傳播的呢?來自加州大學(xué)洛杉磯分校(UCLA)的研究人員利用 3D 打印技術(shù)打印出了固態(tài)的神經(jīng)網(wǎng)絡(luò)，并且利用層級傳播的光衍射來執(zhí)行計(jì)算，實(shí)現(xiàn)了手寫數(shù)字的圖像識別，相關(guān)成果已發(fā)表在《science》雜志上。
圖 1：衍射深度神經(jīng)網(wǎng)絡(luò)(D^2NN)架構(gòu)。
這一想法看似新奇，其實(shí)也很自然。神經(jīng)網(wǎng)絡(luò)中執(zhí)行的是線性運(yùn)算，恰好和光衍射的線性相互作用對應(yīng)，神經(jīng)元的權(quán)重、激活值概念也能和光的振幅、相位對應(yīng)(可調(diào))。此外，固態(tài)光衍射計(jì)算還具有能耗小、無發(fā)熱、光速執(zhí)行(盡管傳統(tǒng)計(jì)算機(jī)電路中的電場傳播也是光速的，但并未直接對應(yīng)神經(jīng)網(wǎng)絡(luò)的計(jì)算過程)等優(yōu)點(diǎn)。該研究方向尚處于起步階段，如果能充分利用其優(yōu)勢，也許會有很廣闊的應(yīng)用前景。
如今，機(jī)器學(xué)習(xí)無處不在，但多數(shù)機(jī)器學(xué)習(xí)系統(tǒng)是隱形的：它們在「黑箱」里優(yōu)化音頻或識別圖像中的人臉。但最近 UCLA 的研究人員研發(fā)出了一個(gè) 3D 打印 AI 分析系統(tǒng)。這一系統(tǒng)不僅看得見，還摸得著。與以往通過調(diào)節(jié)數(shù)字進(jìn)行分析的系統(tǒng)不同，該系統(tǒng)通過光線的衍射來分析人工智能。這一新奇、獨(dú)特的研究成果表明：這些「人工智能」系統(tǒng)可以看起來非常簡單。
我們通常將機(jī)器學(xué)習(xí)系統(tǒng)看作人工智能的一種形式，其核心是對一組數(shù)據(jù)進(jìn)行的一系列運(yùn)算，每一次運(yùn)算都基于上一次運(yùn)算或饋送到一個(gè)循環(huán)中。
展開 又一款AI深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)芯片面世
16日，臺灣師范大學(xué)與視芯（AVSdsp）公司合作開發(fā)的小型人工智能（AI）深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)芯片“AI小鼠Mipy”在臺師大發(fā)布，引發(fā)關(guān)注。這款芯片由臺灣師范大學(xué)電機(jī)工程系AI與機(jī)器人團(tuán)隊(duì)的教授提供AI設(shè)計(jì)概念與應(yīng)用框架，視芯公司設(shè)計(jì)芯片系統(tǒng)。
據(jù)悉，該芯片是以協(xié)同處理器方式放在主控芯片旁，能夠以簡單、快速、低價(jià)的方式，幫助初級影音處理產(chǎn)品升級，實(shí)現(xiàn)智能感測AI功能。
視芯公司首席執(zhí)行官沈聯(lián)杰說，“AI小鼠Mipy”智能芯片可以簡易地連接在任何微控制單元或中央處理器旁，扮演智能助理，檢測與辨識要判別的影像和聲音。
“芯片還有一定的學(xué)習(xí)能力，經(jīng)過像人類一樣反復(fù)地練習(xí)，可以在單一事物的識別能力上超越人類。”他說，例如，家里的空調(diào)溫度是否合適，燈光是否合適，音樂大小是否合適，掃地機(jī)器人該去哪里打掃，都可以由芯片來控制。
沈聯(lián)杰介紹說，功能強(qiáng)大的AI芯片應(yīng)用發(fā)展太復(fù)雜費(fèi)時(shí)，也太貴，但輕量級的AI芯片應(yīng)用將很快來到人們身邊。
據(jù)介紹，該芯片適用于家居、車載、廣告、安防、工業(yè)、商業(yè)、教育，以及多種玩具產(chǎn)品。
沈聯(lián)杰說，過去十年，公司和大陸機(jī)構(gòu)在芯片研發(fā)上有過合作，也已將“AI小鼠Mipy”智能芯片推薦給深圳、北京的公司，他看好大陸芯片市場前景。
來源：新華網(wǎng)
展開 驍龍855集成NPU神經(jīng)網(wǎng)絡(luò)單元，以支持AI人工智能加速
另有報(bào)道稱，驍龍855會像蘋果A11、華為麒麟970那樣，集成NPU神經(jīng)網(wǎng)絡(luò)單元，以支持AI人工智能加速。
高通驍龍現(xiàn)在也有多款型號支持AI，但借助的是傳統(tǒng)CPU、GPU、DSP硬件單元和SDK軟件開發(fā)包，整合成AIE引擎，特定情況下的加速效率顯然不如獨(dú)立硬件單元來的高，而且會加重CPU、GPU、DSP的負(fù)擔(dān)。
225 基于matlab的天牛須優(yōu)化算法及其對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化 ￥12.2
基于matlab的天牛須優(yōu)化算法及其對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化，優(yōu)化后的閥值權(quán)值賦予網(wǎng)絡(luò)預(yù)測。最后輸出BP和BAS-BP訓(xùn)練和預(yù)測結(jié)果。程序已調(diào)通，可直接運(yùn)行。
AI神經(jīng)網(wǎng)絡(luò)優(yōu)化的相關(guān)專題、標(biāo)簽、搜索
AI神經(jīng)網(wǎng)絡(luò)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)優(yōu)化遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)遞歸神經(jīng)網(wǎng)絡(luò)深度神經(jīng)網(wǎng)絡(luò) 優(yōu)化設(shè)計(jì)仿真優(yōu)化 神經(jīng)網(wǎng)絡(luò)優(yōu)化神經(jīng)網(wǎng)絡(luò)優(yōu)化問題算法優(yōu)化神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)優(yōu)化算法結(jié)構(gòu)優(yōu)化 神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化
