어플리케이션

머신 러닝 알고리즘과 물리체계의 연결

신경망의 힘과 FPGA의 낮은 지연 시간과 유연성을 결합합니다.

테스트 및 측정을 위한 머신 러닝

신경망 FPGA에 구축하면 더욱 효율적인 처리, 실시간 의사 결정, 정보에 기반한 제어 시스템 피드백이 가능해집니다. Moku 뉴럴 네트워크 양자 제어와 같이 타이밍이 중요한 애플리케이션을 위한 결정론적 데이터 분석 알고리즘을 구현하며, 즉시 재구성이 가능합니다. Python을 사용하여 모델을 구축하고 학습시킨 후, Moku를 사용하여 테스트 시스템에 배포하여 지연 시간이 짧은 추론을 구현하고 변화하는 실험 조건에 신속하게 대응할 수 있습니다.

웨비나 보기

가이드 다운로드

예 보기

Moku 신경망을 이용한 자동 인코더 구축

자동 인코더라는 특수한 유형의 신경망을 사용하여 데이터의 노이즈를 제거하고 기능을 추출하는 방법을 알아보세요.

상세보기

Moku 신경망은 입력, 은닉, 출력 계층과 사용자 정의 가능한 활성화 함수를 포함하는 아키텍처를 가지고 있습니다.

신경망 리소스

실험 설정에서 신경망을 구현하는 데 도움이 되는 예제, 포괄적인 애플리케이션 노트 및 자세한 구성 가이드를 살펴보세요.

MokuOS 4.2로 더욱 빠르고 강력한 실시간 맞춤 설정 기능을 경험하세요.

MokuOS 4.2는 간단한 소프트웨어 업데이트만으로 Moku:Delta에서 더 높은 대역폭, 더 빠른 실시간 처리 속도, 그리고 더 많은 악기를 사용할 수 있도록 해줍니다.

녹색 셔츠를 입은 남성 엔지니어 - MokuPro - 컴퓨터 연구실 - 네온 - 4

GPU, CPU, FPGA 기반 신경망 비교

실시간 추론에 FPGA가 필요한 이유

펄스 데이터의 노이즈를 제거하기 위해 신경망 사용

펄스 파형을 시뮬레이션, 수집, 분석하기 위해 신경망으로 다중 계측기 모드를 구성하는 방법을 알아보세요.

빠르고 유연한 신호 분석을 위해 FPGA 기반 Moku 신경망을 사용하는 엔지니어

Moku 마스터링: 신경망 소개: Q&A 요약

신경망 모델 크기와 사양, Moku가 지원하는 신경망 유형 등에 대해 알아보세요.

Moku 마스터하기: Moku 뉴럴 네트워크 소개

뉴럴 네트워크 만들기

필수 구성 요소 다운로드부터 Moku:Pro에서의 테스트까지 간단한 네트워크를 만드는 데 Moku 신경망을 사용하는 방법을 알아보세요.

FAQ

사용자는 LinnModel이라는 클래스를 사용하여 Python으로 네트워크를 설계하고 학습시킵니다. 이 클래스에는 Moku에 로드할 수 있는 Liquid Instruments 신경망(.linn) 파일을 생성하고 출력하는 메서드가 포함되어 있습니다. 뉴럴 네트워크 기기. 이 파일에는 활성화 값, 편향 및 활성화 함수에 대한 모든 정보가 포함되어 있어 Moku 하드웨어에서 모델을 정확하게 재구성할 수 있습니다.

최대 100개의 은닉층을 지원하며, 각 층은 최대 XNUMX개의 완전히 상호 연결된 노드로 구성됩니다. 또한 XNUMX개의 서로 다른 활성화 함수도 지원합니다.

FPGA를 사용하면 호스트 PC를 거치지 않고 즉시 계산을 수행할 수 있습니다. 다른 DSP 알고리즘과 마찬가지로 계산에는 시간이 소요되므로 유한한 지연 시간이 발생할 수 있습니다. 그러나 신경망의 적용 분야와 크기에 따라 전용 필터 및/또는 계측기보다 지연 시간이 짧을 수 있습니다.

도움이 필요하거나 질문이 있습니까?

엔지니어와 상담하세요 하드웨어 탐색