文献

J-GLOBAL ID：201702254561225817   整理番号：17A0472982

シナプス可塑性を用いたメモリスタに基づくニューラルネットワークのための近似逆伝搬学習則【Powered by NICT】

An approximate backpropagation learning rule for memristor based neural networks using synaptic plasticity

著者 (11件)： Negrov D. (Laboratory of Functional Materials and Devices for Nanoelectronics, Moscow Institute of Physics and Technology, Dolgoprudny, Russian Federation) ,  Karandashev I. (Laboratory of Functional Materials and Devices for Nanoelectronics, Moscow Institute of Physics and Technology, Dolgoprudny, Russian Federation) ,  Karandashev I. (Scientific Research Institute for System Analysis, Russian Academy of Sciences, Moscow, Russian Federation) ,  Shakirov V. (Laboratory of Functional Materials and Devices for Nanoelectronics, Moscow Institute of Physics and Technology, Dolgoprudny, Russian Federation) ,  Shakirov V. (Scientific Research Institute for System Analysis, Russian Academy of Sciences, Moscow, Russian Federation) ,  Matveyev Yu. (Laboratory of Functional Materials and Devices for Nanoelectronics, Moscow Institute of Physics and Technology, Dolgoprudny, Russian Federation) ,  Matveyev Yu. (National Research Nuclear University MEPhI, Moscow, Russian Federation) ,  Dunin-Barkowski W. (Laboratory of Functional Materials and Devices for Nanoelectronics, Moscow Institute of Physics and Technology, Dolgoprudny, Russian Federation) ,  Dunin-Barkowski W. (Scientific Research Institute for System Analysis, Russian Academy of Sciences, Moscow, Russian Federation) ,  Zenkevich A. (Laboratory of Functional Materials and Devices for Nanoelectronics, Moscow Institute of Physics and Technology, Dolgoprudny, Russian Federation) ,  Zenkevich A. (National Research Nuclear University MEPhI, Moscow, Russian Federation)
資料名： Neurocomputing  (Neurocomputing)
巻： 237  ページ： 193-199  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 訓練深層ニューラルネットワークのためのバックプロパゲーションアルゴリズムへの近似,メモリスタを用いたシナプスで動作するように設計されているを記述した。鍵となるアイデアは,シナプス重量の複数の正または負の更新を誘発する一連のパルスをもつ入力信号と逆伝搬デルタ値の両方の値を表現するために,二つの信号の積の代わりに分操作を使用することである。計算機シミュレーションでは,バックプロパゲーションに提案した近似はよく収束し,多層ニューラルネットワークのメモリスタ実装に適しているかもしれないことを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 学習 ,  深層 ,  計算機シミュレーション ,  *ニューラルネットワーク ,  ハードウェア設計 ,  *シナプス ,  逆伝搬法 ,  *近似法 ,  パルス ,  多層
準シソーラス用語： 入力信号 ,  *学習則 ,  *メモリスタ ,  *シナプス可塑性 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深い学習 ,  メムリスタ ,  ニューラルネットワーク ,  ハードウェア設計 ,  逆伝搬アルゴリズム

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： シナプス可塑性 ,  メモリスタ ,  ニューラルネットワーク ,  近似 ,  伝搬 ,  学習則