Moku 神经网络

神经网络是一种受人脑启发的机器学习结构。它由相互连接的单元（称为神经元）组成，这些单元按层分组：输入层、一个或多个隐藏层（内部层）以及输出层。在像 Moku 神经网络这样的全连接模型中，每个神经元都具有一系列权重，用于指示前一层的值或任何神经元对其输出的影响程度。这些权重会在“训练”阶段进行调整，以使输出层的值与一组已知的对应输入相匹配。训练完成后，该模型可用于“推理”，即根据一些它可能见过或未见过的输入推断出一组输出值。

神经网络通常构建并运行在 CPU 和/或 GPU 的硬件组合上。这种方法提供了强大的算力，但也消耗大量资源。大型 AI 模型能耗高，对于许多类型的信号处理应用来说往往过于庞大。FPGA 的灵活性和实时处理能力使其成为实现小型神经网络的理想选择。它们的并行处理能力有利于处理网络中信息传播所涉及的线性代数和其他复杂数学运算。

要训​​练 Moku 神经网络模型，请参照 这个例子它将引导您完成如何配置模型、生成训练数据、训练模型以及将得到的权重和偏差导出为 .linn 模型以上传到 Moku 神经网络。

完全不是——这款多功能仪器的设计初衷是让所有研究人员都能轻松上手。虽然机器学习专家可以将 Moku 神经网络应用提升到更高的水平，但所有 Moku:Delta 或 Moku:Pro 用户都可以轻松搭建神经网络。