Die NT Adaptive PCIe-Karte

NT Adaptive ™ PCIe

Adaptives neuronales Netzwerk-Erweiterungsmodul, bereit zum Einstecken in einen PCIe-Erweiterungsbus, damit Sie auf ein digitales neuronales Netzwerk NeuroMem® zugreifen können, um Ihre Daten zu lernen, zu klassifizieren und zu überwachen. Das Modul ist mit drei verschiedenen Kapazitäten von Neuronen erhältlich: 2304, 4608 und 9216 Neuronen.

Preisanfrage

    SERIE VON NEUROMORPHEN STEUERUNGSKARTEN MIT PCIE-SCHNITTSTELLE

    Die Steuerplatinen der Serie Neuromorphic memory NT Adaptive PCIe haben keinen Mikrocontroller und können in jeden PC oder ein anderes Gerät mit einem PCIe-Anschluss eingebaut werden. NT Adaptive PCIe-Karten gibt es in drei Versionen – mit 4, 8 oder 16 neuronalen Chips.

    Video-Beispiele

    Представлена возможность нейроморфика определять положение выключателей, светодиодной индикации и оказаний  приборов в реальном времени.

    Демонстрация результата работы программы, разработанной на Python. Различные варианты демонстрации возможностей нейроморфных чипов. Распознавание положений блоков автоматического питания, световая индикация контрольных ламп, показания стрелочных индикаторов, значений семи-сегментных индикаторов, положений автоматических выключателей.

    Показана демонстрационная программа, написанная на Python. Используется комбинация открытой библиотекой OpenCV и нейроморфных чипов NM500 при работе с платой расширения PCIe. OpenCV используется только для поиска лиц на фотографиях. Само обучение и распознавание самих лиц выполняется с помощью нейроморфных чипов.

    Демонстрация программы, разработанной на Python. Демонстрация последовательности выбора изображения, выбора области интереса, выбора и настройки параметров нейроморфного чипа, таких как MAXIF, категорий, процесс обучения и проверки результатов обучения. Программа использует нейроморфные чипы на плате PCIe.

    Neuromorphe Controller

    Übersicht

    Das NT Adaptive PCIe ist ein vollständig paralleles neuronales Netzwerk aus Silizium – es ist eine Kette identischer Elemente (Neuronen), die parallel adressiert werden und über ihr eigenes „genetisches” Material verfügen, um Muster zu lernen und abzurufen, ohne eine einzige Zeile Code auszuführen und ohne an eine überwachende Einheit zu berichten. Darüber hinaus arbeiten die Neuronen über einen bidirektionalen und parallelen Neuronenbus vollständig miteinander zusammen, was der Schlüssel zu Genauigkeit, Adaptivität und Geschwindigkeit ist. In der Tat bezieht jedes Neuron Informationen von allen anderen Neuronen in seine eigene Lernlogik und in seine Reaktionslogik ein.
    Der Zugriff auf das Netzwerk erfolgt über die PCIe-Schnittstelle.

    Controller-Beschreibung

    Hauptmerkmale des neuronalen Netzwerks

    • Gruppe von 2304 Neuronen (bis zu 256 Komponenten) identische Neuronen, die parallel das gleiche Eingangsmuster erkennen;
    • Die Größe der Komponenten – 8 Bit;
    • Alle Neuronen haben das gleiche Verhalten und führen die Befehle parallel aus, unabhängig davon, zu welchem Cluster oder sogar Chip sie gehören;
    • Schnelles Lernen und Erkennen für ein Neuron (<80 μsec);
    • Die Neuronen können verschiedenen Kontexten zugeordnet werden (bis zu 128) und ihre Verwendung kann durch Auswahl eines Kontextwertes aktiviert oder deaktiviert werden;
    • Kein Controller oder Supervisor;
    • Auswahl von einem von zwei Klassifikatoren: K-Nächster Nachbar (KNN) oder Radiale Basisfunktion (RBF);
    • Auswahl einer von zwei Metriken: L1(Manhattan-Metrik) oder Lsup (Tschebyschew-Norm);
    • Die Erkennungszeit ist unabhängig von der Anzahl der verwendeten Neuronen;
    • Automatischer Modellgenerator in den Neuronen eingebaut

    Betrieb

    Die Schnittstelle zum neuronalen Netzwerk lässt sich auf 4 Hauptoperationen reduzieren:

    • Lernen Sie einen Vektor;
    • Erkennen Sie einen Vektor;
    • Speichern Sie das von den Neuronen aufgebaute Wissen;

    Laden Sie ein Wissen in die Neuronen.
    Diese Vorgänge werden über API-Funktionen ausgeführt.

    Datenstruktur

    Der Inhalt jedes Neurons wird in 263 Bytes wie folgt gespeichert:

    • 256 Bytes des Vektors;
    • 1 Byte des Kontexts;
    • 2 Bytes des minimalen Einflussfeldes;
    • 2 Bytes des aktiven Einflussfeldes;
    • 2 Bytes der Kategorie.

    Elektrische Spezifikationen

    Vcc-Spannungsversorgung 12 VDC
    Gesamtleistung bis zu 4 W

    Spezifikation der Schnittstelle

    PCI Express X1 2,5 GT/s (PCI Express Base Specification, rev.2.1)

    Mechanische Spezifikation

    Zum Einbau in ein 2HE-Gehäuse.
    Abmessung 120×68 mm.

    Klimatische Spezifikation

    Betriebstemperatur -40…+60 ℃
    Lagertemperatur -50… +80 ℃

    NT Adaptive AI-Controller erkennen verschiedene Signale und führen programmierte Aktionen aus..

    NT Adaptive PCIe-Neuronalkarten können statische und Videobilder, Töne, verschiedene elektrische Signale, Text und Daten erkennen.

    Der Signalerkennungsprozess in neuromorphen Chips findet auf der Hardware-Ebene statt und stellt eine enorme Beschleunigung für den zentralen Prozessor dar. Controller erkennen Signale in Mikrosekunden mit nur Milliwatt Leistung.

    Möglichkeiten:

    • Identifikation;
    • Klassifizierung;
    • Neuheitserkennung;
    • Erkennung von Anomalien;
    • Kontextuelle Segmentierung von Bildern;
    • Verfolgung mit verstärktem Lernen, wenn sich das Ziel ändert;
    • Stereoskopische Abstandsauswertung;
    • Kantenerkennung;
    • Geräuschentfernung;
    • Bildkomprimierung;
    • und andere.

    Bereiche der Implementierung:

    • Industrie;
    • Landwirtschaft;
    • Medizin;
    • Militär;
    • Sicherheit;
    • Statistik;
    • Ausbildung;
    • und andere.

    NT-Platine Abmessungen: 120x68x20 mm

    NT-Neuralboard-Panels können 2304, 4608 oder sogar 9216 Neuronen enthalten.

    Der Zugriff auf das Neuronale Netzwerk erfolgt über die PCIe-Schnittstelle.

    Preisanfrage
    Preisanfrage
    Preisanfrage