文献

J-GLOBAL ID：201702280460917330   整理番号：17A0214243

分類とオンライン訓練のための16Mb RRAMマクロチップを用いた二値ニューラルネットワーク【Powered by NICT】

Binary neural network with 16 Mb RRAM macro chip for classification and online training

著者 (8件)： Yu Shimeng (Arizona State University, Tempe, AZ, USA) ,  Li Zhiwei (Arizona State University, Tempe, AZ, USA) ,  Chen Pai-Yu (Arizona State University, Tempe, AZ, USA) ,  Wu Huaqiang (Tsinghua University, Beijing, China) ,  Gao Bin (Tsinghua University, Beijing, China) ,  Wang Deli (Tsinghua University, Beijing, China) ,  Wu Wei (Tsinghua University, Beijing, China) ,  Qian He (Tsinghua University, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IEDM  ページ： 16.2.1-16.2.4  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 新興シナプス素子を用いた大規模ニューラルネットワークのオンチップ実装は魅力的であるが挑戦的である,今日の抵抗メモリ技術の未成熟アナログ特性に主に起因する。本研究では,画像認識のための今日の入手可能な二成分RRAM素子を用いた大規模ニューラルネットワークを実現することを目的とした。分類のための重みとニューロンの精度を減少させる1ビットとオンライン訓練のための<8ビットの目標を持つニューラルネットワークパラメータを二値化する方法論を提案した。130nm CMOSプロセスで製作したTsinghuaの16Mb RRAMマクロチップ上のバイナリーニューラルネットワーク(BNN)を実験的に実証した。有限ビット収率と耐久性サイクルの下でさえ,MNIST手書き数字データセット上でのシステム性能は,分類とオンライン訓練の両方に対して約96.5%の精度を達成し,理想的なソフトウェア実装により 97%の精度に近かった。シナプスアレイの最大規模を報告し,これまで最高の精度を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像認識 ,  耐久性 ,  ニューロン ,  *ニューラルネットワーク ,  数字 ,  アナログ系 ,  CMOS ,  未成熟 ,  *抵抗変化メモリ
準シソーラス用語： システム性能 ,  手書き ,  二値化 ,  抵抗メモリ ,  オンチップ ,  シナプス素子 ,  *ReRAM , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (5件)： 分類 ,  オンライン訓練 ,  RRAM ,  二値 ,  ニューラルネットワーク