文献

J-GLOBAL ID：201702240397572492   整理番号：17A1269080

NVMLearn非揮発性メモリベース深い学習ハードウエアのためのシミュレーションプラットフォーム【Powered by NICT】

NVMLearn: A simulation platform for non-volatile-memory-based deep learning hardware

著者 (4件)： Lu Darsen D. (National Cheng Kung University, 1, Daxue Road, East District, Tainan, Taiwan ROC) ,  Liang Fu-Xiang (National Cheng Kung University, 1, Daxue Road, East District, Tainan, Taiwan ROC) ,  Wang Yi-Ci (National Cheng Kung University, 1, Daxue Road, East District, Tainan, Taiwan ROC) ,  Zeng Huai-Kuan (National Cheng Kung University, 1, Daxue Road, East District, Tainan, Taiwan ROC)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASI  ページ： 66-69  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： 畳込みニューラルネットワークを用いた深い機械学習のハードウェア実装は,フローティングゲートMOSトランジスタ,抵抗メモリ,相変化メモリ,その他などの非揮発性記憶素子を用いたアレイアーキテクチャを用いて実証することに成功した。はこのようなアーキテクチャの設計,検証,システムレベル電力および性能評価を支援するために,NVMLearn,新しいシミュレーションプラットフォームを示した。メモリデバイスの物理的特性はVerilog-Aコンパクトモデル,容易にデバイスプログラミング,消去および読み出し挙動を得るためにSPICEでシミュレーションを用いてモデル化した。システムレベルについて,NVMLearnは不揮発性メモリ素子型に基づく全畳込みネットワークの訓練をシミュレートした。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： 畳込み ,  ネットワーク ,  フローティングゲート ,  *不揮発性メモリ ,  *非揮発性 ,  ニューラルネットワーク ,  性能評価 ,  MOSFET ,  記憶素子 ,  機械学習 ,  *ハードウェア ,  計算機アーキテクチャ
準シソーラス用語： コンパクトモデル ,  Verilog ,  相変化メモリ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 非揮発性メモリ ,  学習 ,  ハードウエア ,  シミュレーション ,  プラットフォーム