geforce now 99元的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列推薦必買和特價產品懶人包

geforce now 99元進入發燒排行的影片

針對智慧型辨識應用之大腦啟發新皮質運算演算法與架構設計

為了解決geforce now 99元的問題，作者蔡雋永 這樣論述：

由於IC科技在摩爾定律的不斷推動下快速進展，許多過去僅能在大型電腦主機中運算的智慧型視訊資料分析應用，已開始逐漸進入一般使用者的日常生活中。而當我們準備更進一步邁向未來的視訊辨識應用時，將有更多多種多樣的應用需求（如智慧型監視系統、無人駕駛車輛等）需要被解決。因此，發展一個具有廣泛可應用性、低功耗且即時運作的智慧型視訊辨識硬體，將會是一重要且不可避免的研究趨勢，而試圖在各應用中達到類大腦智慧的水準，也無疑地將會是最重要的目標之一。在本論文中，我們首先將會簡介基礎的視覺神經科學，以及我們稱為「新皮質運算模型」的新一代仿大腦辨識演算法背後之設計概念與理論。在第二章中，我們將會介紹一做為我們研究發

展框架的基礎新皮質運算演算法－HMAX。接著在第三章中，我們將會討論現有的HMAX演算法於未來應用發展趨勢下的不足之處。亦即，在邁向許多更具挑戰性、更接近實際生活需求的應用情境中，HMAX對於以下兩種重要的應用方向並無法有效地支援：1)動作／活動之視訊辨識，及2)大規模之圖像／視訊辨識與學習。為解決第一個問題，我們提出一基於大腦啟發之Reservoir Kernel的先進新皮質運算演算法。Reservoir Kernel具有提高特徵向量維度，同時有效整合HMAX網路所擷取之短時間單元動作資訊之特性。此演算法在一最新提出之人類動作／活動視訊資料評比中獲得超過1.4倍之辨識率增進。為解決第二個問題

，我們提出基於大腦啟發的Feature Selective Hashing方法，用以有效率地索引／查詢所學習過的各種物品。實驗數據顯示，此演算法能在僅有1%準確度誤差之情況下，節省高達90%的辨識時間複雜度。在第四與第五章中，我們將介紹所提出之新皮質運算處理器架構，包含仿大腦灰質之36核同質核心架構（特點為事件觸發式混合型MIMD執行）與仿大腦白質之高茲晶片網路架構（特點為主動式故障／壅塞迴避、無冗餘式群播）。基於所提出之架構特點，我們解決的設計挑戰包含：1)架構可擴增性之要求、2)每秒十億次運算等級之計算複雜度，及3)每秒兆位元等級之資料頻寬需求，且此架構可以極高之效率加速仿大腦新皮質運算演

算法，因而使得建構一具廣泛可應用性、低功耗且即時運作的視訊辨識硬體之目標得以達成。此設計使用TSMC 65奈米製程，晶片面積為4.5×4.5mm2，可達到360GOPS之峰值運算效能及2.3Tb/s之晶片網路總頻寬，運作於250MHz頻率與1.0V電壓情況下之平均功耗為205mW。相較於現有最佳的視訊辨識處理器，此設計之能源效率更為優良，達到1.0TOPS/W（整體運算能源效率）與151Tb/s/W（晶片網路傳輸能源效率）。此設計支援多種新皮質運算應用，包含物品／臉部／場景之圖像辨識（支援128×128或256×256之解析度）及動作／運動之視訊辨識（支援128×128之解析度）等，最高辨識速

度可達每秒130幀畫面。總結來說，本論文完整展示了我們對於大腦啟發之新皮質運算演算法與架構設計之探索與實現，所發展的技術將可提供發展未來各種智慧型視訊辨識應用所需。