Современные вычислительные системы хорошо справляются с задачами, сложными для человека, даже в области высокопроизводительных вычислений. Автоматизация и искусственный интеллект, объединенные вместе, представляют собой дисциплины, которые передают данные человеку, генерируя структурированную информацию в реальном времени в передаваемом формате. Эта комбинация систем также совместима с новыми нейроморфными процессорными архитектурами. Нейроморфные вычисления полностью переработаны в своей архитектуре по сравнению с традиционной компьютерной моделью, как на аппаратном, так и на программном уровне.
Проведенная процедура заключалась в сборе лиц с определенными эмоциями; информация также была сгенерирована для базы данных реальной жизни, в которой классификация лиц и эмоций проводилась с использованием теории Роберта Плутчика и с помощью импульсной искусственной нейронной сети. При объединении предыдущих концепций и инструментов получаются сигналы, которые действуют так, как действовал бы человек, и это не работает как обычный компьютер.
Результат, полученный от классификации лиц и эмоций, был реализован в нейронной сети, производительность которой страдает только когда контрастность падает ниже 3%. Также было обнаружено, что некоторые изображения составляли 0,005%. Что касается устойчивости к шуму, изображения выдерживали 50% шума, при этом производительность сети не страдала. Хотя нейроморфные вычисления предназначены для имитации человеческого мозга с использованием искусственных биологических нейронных сетей, они также используются в классификации объектов и распознавании образов с предложенными техниками обработки изображений, демонстрируя приемлемую производительность.
*Перевод выполнен с помощью нейросетей
Detection of facial emotions using neuromorphic computation
Modern computing systems are good for tasks that are difficult for humans, even for high-performance computing. Automation and artificial intelligence combined are disciplines, which emit to humans, generating structured data in real-time and transferable. This combination of systems is also compatible with new neuromorphic processor architectures. Neuromorphic computing is completely redesigned in its architecture to the conventional computer model, both in hardware and software. The Procedure that was carried out was the collection of faces with some emotion, the information was also generated for the real-life database, in which the classification of faces, and emotions was carried out using the theory of Robert Plutchik and with an artificial neural network spike, when combined with the previous concepts and tools, signals are obtained, which as a human would act and that does not work like a conventional computer. The result obtained from the classification of faces and emotions was made in a neural network whose performance is affected only when the contrast falls below 3%, it was also found that some images were 0.005%. Regarding noise resistance, the images withstood 50% noise, in which the performance of the network was not affected. Although neuromorphic computing is willing to simulate the human brain using artificial biological neural networks, it is also used in the classification of objects, and pattern recognition, with proposed image processing techniques, obtaining acceptable performance.