Немецкая электротехническая компания Robert Bosch считает, что для преодоления проблемы с большими данными мы должны создавать решения, которые разумно подходят ко всем аспектам: от краевых датчиков до централизованных концентраторов датчиков до Анализ облачных данных.
К счастью, у наших мозгов есть самые умные интеллектуальные датчики - в том числе глаза, уши, нос, вкусовые рецепторы и чувствительность к ощущениям - которые формируют наше решение e-Big Data для нужд Интернета вещей (IoT).
Марцелино Джемелли (Marcellino Gemelli), директор по развитию бизнеса в Bosch Sensortec, сказал Исполнительному конгрессу MEMS & Sensor (MSEC) в недавней Международной ассоциации полупроводниковой промышленности (SEMI): «Мы должны подавать большие проблемы с данными в человеческий Генератор модели, а затем используйте эту модель для прогнозирования того, как должно выглядеть оптимальное решение: благодаря универсальности нейронов эти решения для машинного обучения работают на более чем одном уровне.
Нейроны - это микропроцессор мозга - он может принимать тысячи больших входов данных, но только получает один импульс напряжения вдоль аксона после получения синапса памяти, опосредованного тысячами дендритных входов Таким образом, приемник глаз, ушей, носа, вкусовых рецепторов и тактильных датчиков (в основном используется для присутствия, давления и температуры) может обрабатывать большие объемы сырого большого ввода данных, а затем передавать информацию дайджеста по спинному мозгу Кодированные по шинам напряжения) в концентратор, известный как «старый мозг» - мозговой штурм и автоматический поведенческий центр, отвечающий за дыхание, сердцебиение и рефлекторные задачи.
Наконец, предварительно обработанные данные достигают конечного назначения сознательной части мозга (коркового серого вещества) через огромный взаимосвязанный массив, известный как «белое вещество». Каждая часть коры головного мозга Они посвящены чувствам видения, языка, обоняния, вкуса и прикосновения, а также когнитивным функциям, таким как внимание, рассуждение, оценка, суждение и соответствующее планирование.
Гемелли сказал: «Математическая сеть нейронных сетей мозга эквивалентна восприятию, ее можно узнать через ее синтапс с переменной проводимостью и большие данные через нее для потоковой передачи. Мы можем добавить различные уровни восприятия Научитесь всему, чему могут научиться люди, например, по-разному, как люди ходят ».
Влияние закона Мура
Закон Мура также помогает достичь многоуровневого восприятия, называемого глубоким обучением, потому что он обеспечивает общий подход к краевым датчикам, хаб-центрическому интеллекту и облачному анализу.
Гемелли сказал: «Во-первых, количество очень полезно - чем больше количество больших данных, тем лучше. В то же время разнообразие помогает изучать различные аспекты вещей, такие как различная походка, которую люди используют для ходьбы, третий , Скорость, с которой должен реагировать персептрон, должна быть количественно определена, и как только вы определили эти три параметра, вы можете оптимизировать нейронную сеть для любого конкретного приложения.
Например, Gemelli сказал, что smartwatch / smart phone / smart cloud combo может управлять большими данными отдельно. Smartwatch оценивает непрерывные данные в реальном времени от отдельных пользователей, а затем отправляет самые важные данные дайджеста на смартфоны каждые несколько минут. Далее, , Смартфоны отправляют сводки тенденций в интеллектуальные облака всего за несколько раз. Детальный анализ наиболее важных точек данных выполняется в облаке и передается обратно конкретным пользователям, носящим smartwatches и другие интеллектуальные данные Пользователь должен своевременно советоваться о том, как достичь поставленных целей.
В настоящее время Bosch моделирует эти три уровня моделей мозга, добавляя процессоры к своим краевым датчикам, позволяя им распознавать и устанавливать приоритеты больших данных до их отправки в интеллектуальный концентратор.
Gemelli сказал: «В частности,« умные »города нуждаются в интеллектуальных датчиках со встроенными процессорами, чтобы использовать тенденции в краевых сенсорах реального времени, и затем они отправляют эти тенденции в концентратор датчиков, анализируют и отправляют самые важные сообщения в облако, чтобы обслуживать город Менеджеры анализируют жизнеспособную информацию.
Компиляция: Сьюзан Хонг