文献

J-GLOBAL ID：201802223895115685   整理番号：18A2092401

セルラニューラルネットワークと酸化物半導体を用いた文字補正システムの開発と評価

著者 (3件)： 山根弘樹 (奈良先端科学技術大学院大) ,  木村睦 (奈良先端科学技術大学院大) ,  中島康彦 (奈良先端科学技術大学院大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 92(CPSY2018 1-12)(Web)  ページ： 87-91 (WEB ONLY)  発行年： 2018年06月07日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 脳の神経回路をモデルとしたニューラルネットワークは自己学習能力があり,文字認識や画像認識など様々な分野に用いられている。しかし,ソフトウェアによって実装されたニューラルネットワークは計算量が多く,消費電力も大きいという問題がある。IoTなどの独立したシステムとして個々の機器への組み込むために,集積回路での作製に適した構造をもつニューラルネットワークをハードウェアレベルで作成することで,これらの問題を解決できる。特に,低温での作製が可能であり,また3次元化による超大規模集積化も可能となる酸化物半導体シナプスを用いることで,より大規模なニューラルネットワークを構成可能となる。先行研究で文字補正システムに利用した場合での評価を行い,ニューラルネットワークを酸化物半導体シナプスを用いて作製することを提案し,シミュレーションにより文字を学習出来ていることが確認できている。本稿では,実際に酸化物半導体シナプス素子を作製すると素子によって初期値にばらつきがあることが分かっているため,ばらつきを考慮したシミュレーションを行った場合でも文字を学習出来ていることを確認した。(著者抄録)

シソーラス用語： *セルラニューラルネットワーク ,  *化合物半導体 ,  *テキストエディタ ,  計算量 ,  消費電力 ,  実装 ,  シナプス ,  シミュレーション
準シソーラス用語： ハードウェア実装 ,  *酸化物半導体

分類 (1件)： 自然語処理  (JE06000L)

引用文献 (16件)：

• J. E. Dayhoff, Neural Network Architectures, An Introduction, Van Nostrand Reinhold, 1990.
• R. Hecht-Nielsen, Neurocomputing, Addison-Wesley Reading, 1990.
• S. Becker, ′′Self-organizing neural network that discovers surfaces in random-dot stereograms,′′ Nature, vol. 355, pp.161-163, 1992.
• J. V. Stone, ′′Neural-network models: Predicting spontaneous recovery of memory,′′ Nature, vol. 414, pp.167-168, 2001.
• T. Kasakawa, ′′An artificial neural network at device level using simplified architecture and thin-film transistors,′′ IEEE Trans. Electron Devices, vol. 57, pp.2744-2750, 2010.

タイトルに関連する用語 (6件)： セルラニューラルネットワーク ,  酸化物半導体 ,  文字 ,  補正システム ,  開発 ,  評価