抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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)