Record #624301

DFG project G:(GEPRIS)543577862

Probabilistisches photonisches Rechnen mit chaotischem Licht

Coordinator	Professor Dr. Wolfram Hans Peter Pernice
Grant period	2025 -
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)543577862

Note: Biologische neuronale Netze lösen mühelos einige der schwierigsten Rechenprobleme und eignen sich hervorragend für Vorhersagen bei verrauschten und unvollständigen Daten, die eine große Herausforderung für herkömmliche Rechenarchitekturen darstellen. Durch die Nachahmung neuronaler und gehirnähnlicher Architekturen haben sich künstliche neuronale Netze (ANN) als leistungsfähige Werkzeuge zur Interpretation komplexer Datenverteilungen und zur Erstellung von Vorhersagen erwiesen. Herkömmliche ANNs können jedoch als "Punktschätzungen" betrachtet werden, die die Unsicherheit in den Vorhersagen nicht erfassen, bei verrauschten und unvollständigen Datensätzen nicht gut funktionieren und dazu neigen, sich zu stark an die Trainingsdaten anzupassen. Bayes'sche neuronale Netze und allgemeinere probabilistische Berechnungsarchitekturen, die Bayes'sche Inferenz in neuronale Netze integrieren, bieten eine prinzipielle Möglichkeit zur Quantifizierung von Unsicherheiten. Beim probabilistischen Rechnen haben die zugrunde liegenden Netze nicht nur einen einzigen Wert als Parameter, sondern arbeiten mit Verteilungen über mögliche Parameterwerte. Dies erfordert naturgemäß einen rechenintensiven Ansatz für das Modelltraining und insbesondere für die Inferenz, da in jeder Netzwerkschicht häufig Stichproben durchgeführt werden. In diesem Projekt möchte ich parallele probabilistische Prozessoren realisieren, um diese Herausforderungen zu bewältigen. Die primäre Forschungsfrage ist, ob inhärentes Hardware-Rauschen für probabilistische Berechnungen nutzbar gemacht werden kann. Ziel ist es, einen großen Nachteil (Rauschen, das die Berechnungsgenauigkeit beeinträchtigen kann) in eine Stärke zu verwandeln (Reduzierung der Kosten probabilistischer Berechnungen durch Verwaltung der Unsicherheit). Dieses Konzept wird für die Zustandsschätzung, die stochastische Variationsinferenz, die Bayes'sche und die Gauß'sche Verarbeitung in hybriden probabilistisch-deterministischen neuronalen Netzen genutzt werden.

Recent Publications

There are no publications

Record created 2025-02-24, last modified 2025-03-04

Similar records

Rate this document:

(Not yet reviewed)

Add to personal basket
Export as Author List with IDs BibTeX (UTF-8), EndNote XML, EndNote Text, RIS, MARC, Print MARC, MARCXML, DC,
Request correction
Submit fulltext

guest :: login PUBDB
		Search		Submit		Personalize Your alerts Your baskets Your searches		Help