文献

J-GLOBAL ID：201702238714121166   整理番号：17A1038185

二元RRAM素子に基づくパターン認識のための高精度でロバストな機械学習ネットワーク【Powered by NICT】

A high accuracy and robust machine learning network for pattern recognition based on binary RRAM devices

著者 (9件)： Chen Liu (Institute of Microelectronics, Peking University, Beijing 100871, China) ,  Runze Han (Institute of Microelectronics, Peking University, Beijing 100871, China) ,  Sheng Zhang (Institute of Microelectronics, Peking University, Beijing 100871, China) ,  Maochuan Li (Institute of Microelectronics, Peking University, Beijing 100871, China) ,  Zheng Zhou (Institute of Microelectronics, Peking University, Beijing 100871, China) ,  Peng Huang (Institute of Microelectronics, Peking University, Beijing 100871, China) ,  Lifeng Liu (Institute of Microelectronics, Peking University, Beijing 100871, China) ,  Xiaoyan Liu (Institute of Microelectronics, Peking University, Beijing 100871, China) ,  Jinfeng Kang (Institute of Microelectronics, Peking University, Beijing 100871, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： VLSI-TSA  ページ： 1-2  発行年： 2017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： 二元RRAM素子を利用して,修正k-最近傍(KNN)アルゴリズムに基づくハードウェア構築されたネットワークは,パターン認識のために提案した。手書き数字の認識に関して,ハードウェアネットワークは簡単な訓練方式,入力雑音(40%まで)と変動(最大60%)に対する高い耐性と,高い認識正解率(90%以上)とともに優れた性能を示した。シミュレーションは,RRAMの安定な二成分よりもむしろマルチレベル抵抗特性は,提案した学習ネットワークのための装置とアルゴリズムのより良い結合を可能にすることを示した。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： 雑音 ,  *ロバスト性 ,  ハードウェア ,  *機械学習 ,  数字 ,  *パターン認識 ,  *ネットワーク ,  *学習 ,  アルゴリズム
準シソーラス用語： マルチレベル ,  正解率 ,  手書き ,  *高精度 ,  *ReRAM , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： RRAM ,  パターン認識 ,  ロバスト ,  機械学習