返回

《AI 芯片：前沿技术与创新未来》

导航
上一页
第1条 至 第50条
下一页
免费
第 1 节 内容提要
免费
第 1 节 前言
免费
第 1 节 AI 芯片是人工智能未来发展的核心——什么是 AI 芯片
免费
第 2 节 AI 芯片的历史
免费
第 3 节 AI 芯片要完成的基本运算
免费
第 4 节 AI 芯片的种类
免费
第 5 节 AI 芯片的研发概况
免费
第 6 节 小结
免费
第 7 节 执行「训练」和「推理」的 AI 芯片
免费
第 8 节 深度学习算法成为目前的主流
免费
第 9 节 AI 芯片的创新计算范式
免费
第 10 节 AI 芯片的创新实现方法
免费
第 11 节 小结
免费
第 12 节 深度学习 AI 芯片
免费
第 13 节 深度神经网络的基本组成及硬件实现
免费
第 14 节 算法的设计和优化
免费
第 15 节 架构的设计和优化
免费
第 16 节 电路的设计和优化
免费
第 17 节 其他设计方法
免费
第 18 节 AI 芯片性能的衡量和评价
免费
第 19 节 小结
免费
第 20 节 近年研发的 AI 芯片及其背后的产业和创业特点
免费
第 21 节 对 AI 芯片巨大市场的期待
免费
第 22 节 「1+3」大公司格局
免费
第 23 节 学术界和初创公司
免费
第 24 节 小结
免费
第 25 节 神经形态计算和类脑芯片
免费
第 26 节 脉冲神经网络的基本原理
免费
第 27 节 类脑芯片的实现
免费
第 28 节 基于 DNN 和 SNN 的 AI 芯片比较及未来可能的融合
免费
第 29 节 类脑芯片的例子及最新发展
免费
第 30 节 小结
免费
第 31 节 模拟计算
免费
第 32 节 模拟计算芯片
免费
第 33 节 新型非易失性存储器推动了模拟计算
免费
第 34 节 模拟计算的应用范围及其他实现方法
免费
第 35 节 模拟计算的未来趋势
免费
第 36 节 小结
免费
第 37 节 存内计算
免费
第 38 节 冯·诺依曼架构与存内计算架构
免费
第 39 节 基于存内计算的 AI 芯片
免费
第 40 节 小结
免费
第 41 节 近似计算、随机计算和可逆计算
免费
第 42 节 近似计算
免费
第 43 节 随机计算
免费
第 44 节 可逆计算
免费
第 45 节 小结
免费
第 46 节 自然计算和仿生计算
免费
第 47 节 组合优化问题
免费
第 48 节 组合优化问题的最优化算法
上一页
第1条 至 第50条
下一页