1樓：Morris.Zhang
舉個例子： 記得《Nature》有篇研報是「影象處理速度提公升2萬倍，感測器當神經網路用」。
這算是拿raw的data graph在感測器層面直接算的意思咯（analog有乙個運算思路就是模擬濾波電路）, 應該是取代視覺cnn asic的合理路徑，其它nn不適用吧…。演算法前置（印刷）到感測單元，路線可行但工藝決定經濟價值，還得取決於通用性，或者說是印刷（可程式設計的）成本。而向SdC方向推進的難度在製造（硬迭代）成本，幾年後eASIC可能是路徑，但若要改變光電突觸的響應來調節權重，就需要可再程式設計的方案吧…，或理解一幀就是乙個graph，也可以說成是，就是那些光電突觸在乙個單位時隙的算力。
應該也不用擔心面積問題，CMOS縮放差，大概28nm也用不上，記得光柵都是50nm+，光電轉換單元是受光學（衍射）干擾的，所以電路不能縮小，幾百也正常。
猜測短期有工藝問題，光電轉換電路跟logic電路混在一起，材料有差別的，找到兩者都相容的材料工藝可不容易；這篇文中提到了乙個二硒化鎢塗層，意味著產線也要改阿：）
2樓：
贊同 @zhen tan 的回答，其實濾波器和神經網路可以在本質上等同。不同的濾波器實際上都可以通過設計神經網路的【結構】和【引數】得到。因為神經網路實際上是乙個可以擬合成各種線性、非線性、低階、高階系統。
iir和fir濾波器的區別？
關於 @zhen tan 提到的如何訓練網路，我在想的是可以將神經網路和濾波器同時在系統中構建出來，利用濾波器的輸入輸出訊號不斷訓練神經網路的引數。【此時，神經網路的輸出並不起作用。僅訓練神經網路，一步步調整其引數。
】（有點像是用神經網路來辨識濾波器系統）
希望這個回答能夠幫助到你。:)
3樓：
我又來胡說八道了，我猜的，還望專業人士批評啊！！！
1，計算量大，乙個深度多層網路，和簡單的iir，fir相比，計算複雜多了，要做到實時通訊難度大。
2，設計複雜，原來電路板設計的相對簡單，現在為了實現你的多層結構，要改pcb設計，提公升的效果又有限，多花的錢和精力不值當。
4樓：馳天麒麟
計算機領域的神經元簡化得厲害，去掉了動態特性，所以單個神經學失去了時間緯度的濾波的功能。在網路結構方面，遞迴神經網路RNN可以實現時間緯度的濾波，但是卻不好訓練。
5樓：D Flip Flop
FIR就是乙個CNN，IIR就是乙個RNN；只不過是單層的，而且權重值是由理論+經驗決定的。而如果訊號處理方法中有非線性運算的步驟，就可以視為多層神經網路了。而我們平常說的神經網路，一般和機器學習放在一起，就是用機器學習的方法確定濾波器引數；神經網路裡非線性運算選得比較特殊，目的也是更利於機器學習。
理論上用神經網路也可以達到和經典訊號處理同樣甚至更好的效果，但是要達到這個效果的計算效能不好說。直接用深層神經網路處理原始訊號的目前還沒怎麼聽說過，一般涉及機器學習的都是經典方法提取特徵，再把特徵輸入神經網路。
同學有做過這個的，在乙個語音識別模型裡，有個從原始訊號提取特徵的層，在這一層裡，神經網路效能和結果都輸給了基於FFT的經典方法。
6樓：桂凱
任何系統都可以看成乙個濾波器，任何濾波器也是乙個系統。所以神經網路系統也是乙個濾波器。
濾波器可分為頻域濾波器，時域濾波器和空域濾波器。樓主提到的低通或高通屬於頻域濾波器，目前有很多相關的頻域濾波器設計方法，多數情況下夠用的，基本不需要複雜的神經網路。
而樓主提到其他亂七八糟的雜訊，是很難只通過頻域濾波處理的，一般要用到時域等其他濾波器，比如卡爾曼濾波。神經網路設計得合理，當然能夠在這一塊也能大展拳腳。
7樓：劉飛
你好，神經網路可以看做一種智慧型的濾波器（個人觀點，不一定準確），至於你說的訊號含色雜訊和其他亂七八糟的雜訊很難過濾掉，這個問題在遠端語音互動中非常明顯，目前技術上已經有一定的成熟度，比如寶利通的音訊演算法,雙方在交流時，假如你在吃飯，都能把這種聲音乾掉，當然，這種問題理論上有專業的指向性很強的dsp演算法,但現在大家都嘗試用機器學習的方式,把音訊的頻譜化後轉成影象，變成乙個識別分析影象的問題，這種方法理論上更通用，更簡單一些
8樓：
說幾點好玩的吧。
首先神經網路做訊號處理其實還是，有人做過的，包括我自己也做過一些實驗。感覺下來對於已經理解得很清楚，建模比較準確的通道而言，很多現有的訊號處理方法其實是最優的或者是次優的。單純靠神經網路，同量級的運算能力下，並不能取得更好的結果。
對於那些建模不是那麼準確的，深度神經網路降噪也是很有玩頭的，但這並不僅僅是乙個濾波所能解決的問題，所以也不是單純的神經網路做濾波。
神經網路是萬能的嗎？有了神經網路為什麼還要學習其他演算法？
臥聽清風 理解到你說的演算法應該指的是用於影象識別，大資料分析，資料分類等相關的演算法。但演算法的定義遠不止此，比如資料儲存的資料結構設計，排序等，這些基本的方法是提高程式效率的基礎。這些演算法顯然目前深度學習是無法代替的。而對於具體的問題。比如影象識別，資料分類等，神經網路確實以其良好的效果，得到...
神經網路中的label smooth為什麼沒有火？
寶圖2borne 因為簡單，所以好實現，因為好實現，所以能看到效果改變，效果在大部分場景下不提公升，就很難火了。能火還是萬金油類的東西比較容易火 感謝各位大佬的回答 這裡補乙個很簡單的實現,方便大家參考 deflabel smoothing inputs epsilon 0.1 inputs 3d ...
神經網路為什麼有多個輸出？
往事俱沉暮雨瀟瀟 看你是做什麼任務。二分類最後保留乙個輸出就可以了。多分類要保留多個輸出，結果對應沒個類別的概率，方便建模。dnn也是有數學原理在裡面的，不是瞎掰出來的。 走在邊沿上 這個跟 距離 有關。假設你有三個標籤，1 2 3。如果輸出層只有乙個單元 假設輸入是乙個標籤為1的樣本，輸出結果2或...