增强信号处理数据分析能力

近日消息，美国政府正试图用先进计算模仿人类大脑功能，并将此种方法用于复杂信号处理和数据分析领域。

美国国防预先研究计划局(DARPA)已开始征求发展模仿人类大脑皮层处理器功能的相关技术信息(DARPA-SN-13-46)。

DARPA微系统技术办公室(MTO)正向工业界和学术界征求关于脑皮层处理技术和应用的相关信息，支持DARPA在信号处理和数据分析领域的新计划。

DARPA研究人员表示：该计划尽管本质上并不是神经科学计划，但严重依赖于从大脑皮层计算神经科学获取到的多种神经模型。

研究人员表示：即使采用最现代的信号和图像分析系统，捕获高带宽和充满噪声的模糊数据流中的复杂时空结构问题仍是重大挑战。

目前的计算方法几乎都是计算密集型的，只能从不太大的数据中提取有限的空间结构。同时，由于异常探测问题，今天的机器智能甚至面对着更大的挑战，因为这需要识别出正常信号的所有方面，才能判定那些是不相符的信号。

为了加以替代，DARPA正在寻求高性能、低能耗的新方法。今天的方法，包括机器学习、贝叶斯技术以及图像知识结构，都提供了解决该问题的部分性方案，但却缺乏更具效率地分析更大、更复杂数据集的能力。

DARPA的研究人员表示，今天的计算方法不仅密集型的，而且表现出有限的并行性，对高精度计算严重依赖，同时在很多情况下没有考虑瞬态数据。

一种基于人类和其他哺乳动物大脑的新方法能够高效捕获空间和时间结构，并能实时解决极度困难的识别问题。

尽管彻底理解大脑皮层如何工作超出了目前的技术发展水平，研究人员正在确定一些基本的算法原理，并将其融合到机器学习和神经网络技术中。

专家表示：受神经模型，特别是大脑皮层启发的算法，能识别复杂的空间和时间模式，并能适应变化的环境。这些算法代表着富于前景的数据流过滤和处理方法，并有潜力提高数据识别的性能和能力。

DARPA要求公司和大学为发展基于分层暂存记忆(HTM)大脑皮层处理器提供概念和技术，这是一整套大脑皮层处理模型而非一种具体算法。

分层暂存记忆对发展大脑皮层处理器非常必要，例如对于时空识别、稀疏分布表达的使用、柱状模块化结构等方面。在类似大脑皮层的模型中，利用数据表达的时空演进来构成关系，实现数据处理。

稀疏分布表达构成了分层暂存记忆的关键元件，因为他们将意义分配到每一位并根据重叠特征的相似程度来表达特性。

DARPA研究人员表示，大脑皮层计算模型应能耐受不完整的数据并能大规模并行，极具能量效率和可扩展性。该模型也应具有最低限度的计算精确度需求，并能以超高密度和低能耗方式实现。

对于该计划，DARPA正在寻求四个方面的信息：算法、硬件、系统和应用。

算法方面应能做概率性的逻辑计算，并使用学习技术逐渐改善系统能力;硬件方面将涉及受大脑皮层模型启发的大规模并行、自适应、概率算法，大脑皮层模型能高效映射到简单、低功耗的硬件上;系统部分将实现复杂的关键任务应用;应用部分将包括视觉和图像系统、传感器融合、机器人控制以及其他复杂的信号处理应用。

向DARPA提交信息的邮件应在2013年9月25日之前发出。