شبکه عصبی دیجیتال (Digital Neural Network)، در ریاضیات (Mathematics)

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

شبکه عصبی دیجیتال (Digital Neural Network) :

شبکه عصبی دیجیتال به پیاده سازی شبکه های عصبی بر روی سخت افزار دیجیتال (CPU، GPU، FPGA، ASIC) با نمایش گسسته اعداد (مثلا ممیز شناور یا اعداد صحیح) گفته می شود. این رایج ترین نوع پیاده سازی است. تمامی شبکه هایی که با کتابخانه هایی مانند TensorFlow و PyTorch روی GPU اجرا می شوند، دیجیتال هستند.

در پیاده سازی دیجیتال، وزن ها و فعال سازی ها با دقت محدود (مثلا ۳۲ بیت، ۱۶ بیت، ۸ بیت) نمایش داده می شوند. تکنیک های کوانتیزاسیون (quantization) برای کاهش دقت و افزایش سرعت/کاهش مصرف انرژی استفاده می شوند. مدارهای دیجیتال امکان اجرای دقیق و تکرارپذیر را فراهم می کنند.

مزایا: دقت بالا، تکرارپذیری، ابزارهای توسعه گسترده. معایب: مصرف انرژی بالاتر نسبت به آنالوگ، محدودیت های پهنای باند حافظه (برای مدل های بزرگ).

همه شبکه های عصبی تجاری امروزی (در گوشی ها، مراکز داده) به صورت دیجیتال پیاده سازی می شوند.