شبکه عصبی آنالوگ (Analog Neural Network)، در ریاضیات (Mathematics)

انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :

شبکه عصبی آنالوگ (Analog Neural Network) :

شبکه عصبی آنالوگ به پیاده سازی فیزیکی شبکه های عصبی با استفاده از مدارهای الکترونیکی آنالوگ (مقاومت ها، خازن ها، تقویت کننده های عملیاتی) گفته می شود. در این پیاده سازی، مقادیر پیوسته (ولتاژ یا جریان) نشان دهنده سیگنال ها و وزن ها هستند. این رویکرد برخلاف شبکه های دیجیتال (که با بیت ها کار می کنند) مزایای بالقوه ای مانند سرعت بالا و مصرف انرژی پایین دارد.

ایده شبکه های عصبی آنالوگ به دهه ۱۹۸۰ برمی گردد (مثلا شبکه هاپفیلد با پیاده سازی الکترونیکی). امروزه با پیشرفت memristorها (مقاومت های با حافظه) و فناوری های نورومورفیک، این حوزه دوباره مورد توجه قرار گرفته است. تراشه های نورومورفیک مانند IBM TrueNorth و Intel Loihi از اصول محاسبات آنالوگ/اسپایک استفاده می کنند.

مزایا: مصرف انرژی بسیار کم (چند مرتبه کمتر از دیجیتال)، سرعت بالا. معایب: دقت محدود (به دلیل نویز آنالوگ)، حساسیت به تغییرات دما و فرآیند ساخت، طراحی دشوار.

کاربردها: محاسبات لب های (edge computing)، اینترنت اشیا، رباتیک، جاهایی که مصرف انرژی بحرانی است.