Aprire la scatola nera

'Open the black box'.

.fav_bar { float:left; border:1px solid #a7b1b5; margin-top:10px; margin-bottom:20px; } .fav_bar span.fav_bar-label { text-align:center; padding:8px 0px 0px 0px; float:left; margin-left:-1px; border-right:1px dotted #a7b1b5; border-left:1px solid #a7b1b5; display:block; width:69px; height:24px; color:#6e7476; font-weight:bold; font-size:12px; text-transform:uppercase; font-family:Arial, Helvetica, sans-serif; } .fav_bar a, #plus-one { float:left; border-right:1px dotted #a7b1b5; display:block; width:36px; height:32px; text-indent:-9999px; } .fav_bar a.fav_de { background: url(../images/icons/de.gif) no-repeat 0 0 #fff } .fav_bar a.fav_de:hover { background: url(../images/icons/de.gif) no-repeat 0 0 #e6e9ea } .fav_bar a.fav_acm_digital { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_acm_digital:hover { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_pdf { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_pdf:hover { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_more .at-icon-wrapper{ height: 33px !important ; width: 35px !important; padding: 0 !important; border-right: none !important; } .a2a_kit { line-height: 24px !important; width: unset !important; height: unset !important; padding: 0 !important; border-right: unset !important; border-left: unset !important; } .fav_bar .a2a_kit a .a2a_svg { margin-left: 7px; margin-top: 4px; padding: unset !important; }

Ricercatori dell’Università dello Stato dell’Arizona (ASU) e dell’Università della California, Los Angeles, sperano di consentire a scienziati e progettisti di processori di comprendere il ragionamento sottostante dei design degli acceleratori di apprendimento profondo attraverso l’esplorazione dello spazio di progettazione spiegabile (DSE).

Shail Dave dell’ASU ha detto che i design hardware e software sono tipicamente ottimizzati tramite meccanismi a casella nera che “richiedono un numero eccessivo di prove a causa della loro mancanza di spiegabilità e ragionamento riguardo a come la selezione di una configurazione di design influisce sulla qualità complessiva del design”.

L’esplorazione spiegabile-DSE semplifica il processo decisionale dell’acceleratore in modo che le scelte dei metodi di progettazione possano essere fatte in pochi minuti anziché giorni o settimane, supportando modelli più piccoli, più sistematici e più efficienti dal punto di vista energetico.

• Assistente vocale personale basato su intelligenza artificiale per l’apprendimento delle lingue
• 10 migliori strumenti di recupero dati per Android
• Apprendimento automatico su larga scala parallelismo del modello rispetto al parallelismo dei dati

L’algoritmo di Dave può esaminare soluzioni di design relative a diverse applicazioni, incluse quelle che differiscono per funzionalità o caratteristiche di elaborazione, risolvendo nel contempo le inefficienze di esecuzione del prodotto. Da ASU News Visualizza l’articolo completo

Abstracts Copyright © 2023 SmithBucklin , Washington, D.C., USA