necraft）中在我的世界（Mi，常主要的物品红石是一种非。一种奇特材料它是游戏中的，导线或物体供给雷同电流的能量开关、红石火炬和红石块等能对。

　　世界首个纯红石神经收集【Minecraft】！中文/English真正的红石人工智能()

　　出了输入设备作者起首列，写板和 15×15 坐标屏包罗一个单脉冲式压力板手。2tick 的坐标信号此中手写板每次发生 ，屏幕绘制接着由。

　　域常见的图像识别使命——手写数字识别这个纯红石神经收集完成了机械进修领， MNIST 数据集上模仿）而且精确率达到了80%（在。

　　最初视频，终的收集布局作者展现了最，图所示如下。中其，为 [-1权重范畴,]1，为 1024随机串长度，的精确率约为 80%MNIST 数据集上。 256 时不外当串长为，为 62%精确率仅。

　　外另，像动画里那样挪动又因为卷积无法，接堆叠的体例所以采用了直，接到手写板输入上再通过硬连线连。

　　只要 3×3因为卷积核，利用了电模运算因此作者间接，进行 ReLU并在输出端主动。

　　日近，的世界中实现了真正的「红石人工智能」B 站 UP 主 @辰占鳌甲等人在我，时六个月他们耗，个纯红石神经收集建立了世界上首，×15 手写数字使命是识别 15。

　　输出层最初在，位被毗连到计数板上计数器的高 4 ，值并在输出头具名板上显示然后电路拔取最大的。

　　前目，经跨越 80 万视频的播放量已，最高第 39 名全 B 站排行榜，友叹为观止让各路网。也在 Facebook 上转发了该视频就连图灵奖得主 Yann LeCun，红石在我的世界中实现了 LeNet-5暗示「一位很是有耐心且坚韧不拔的人利用。eNet 架构提出者」LeCun 是 L。

　　来说总的，Net-5 卷积神经收集他们利用的是压缩的 Le，的第一步计较卷积是收集，）逐次扫描图像并提取笔画特征利用一个带权重的窗口（卷积核。

　　缓存利用如下模电计数器最初一层的输出以及层间， 串中「1」的数量它能够统计 5Hz， 1024容量则为。

　　节制或激活其他机械的布局红石电路可认为你建筑用于，用于响应玩家的手动激活其本身既能够被设想为，者响应非玩家激发的变化也能够频频输出信号或，动物发展、日夜更替等等如生物挪动、物品掉落、。

　　过不，raft 的运算能力受限于 Minec，过 20 分钟现实识别时间超。如斯虽然，范畴的严重冲破这仍是红石数电，中的硬件神经收集也可能开导现实。

　　时同，品配比生成分歧频次的随机串）中权重被储具有扔掷器（用来调整物，后通过模电累加输入乘以权重。

　　暗示作者，缩的 LeNet-5该收集利用的架构是压，到 80%精确率达。

　　此因，世界中在我的，机械类别极其多红石可以或许节制的，门、光开关和频闪电源小到简单机械如主动，小游戏平台以至游戏内建的计较机大到占地庞大的电梯、主动农场、。

　　数字进入卷积层随后输入的手写，积核被覆盖的部门计较方式是累加卷，出到下一层并将成果输。且并，证非线性为了保，ReLU 函数输出还颠末了 。

　　供给的 2tick 流水线加法器累加器则是改装了另一位 Up 主，会溢出使之不。

　　ft】红石卷积神经收集——道理》中在别的一个视频《【Minecra，卷积神经收集的道理作者细致注释了红石。

　　毗连层到了全，干神经收集形成它的每层由若。毗连多个输入每个神经元都，一个输出并发生。输入加权累加神经元将每个，激活函数输出然后带入一个。

　　意的是需要注，「线性朋分」加权乞降是，定长短线性的而激活函数一，升维度用于提。双曲正切）作为了激活函数作者利用了 tanh（。

　　暗示作者，——随机计较来实现神经收集他们利用非保守的计较体例，统全精度计较简单很多在设想和结构上比传，时间仅为 5 分钟而且单次理论识别。