文献

J-GLOBAL ID：201702270599120485   整理番号：17A1569507

有限精度シナプス素子のための無作為化未規制ステップ降下【Powered by NICT】

Randomized unregulated step descent for limited precision synaptic elements

著者 (3件)： Muller Lorenz K. (Institute of Neuroinformatics, University of Zurich / ETH Zurich, Zurich 8057, Switzerland) ,  Nair Manu V. (Institute of Neuroinformatics, University of Zurich / ETH Zurich, Zurich 8057, Switzerland) ,  Indiveri Giacomo (Institute of Neuroinformatics, University of Zurich / ETH Zurich, Zurich 8057, Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCAS  ページ： 1-4  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： 低分解能シナプス重みを用いたニューラルネットワークの訓練は,最近多くの関心を上昇させ,二成分活性化と二値重みを持つ神経回路網における推論は広い作業の範囲における近最先端技術レベルの性能を達成することができることが示されている。しかし,そのようなネットワークを訓練するための現在の方法は高分解能勾配または更新確率に依存している。低分解能訓練法は低電力ハードウェア実装と同様に常に細粒状態変化を支持しないメムリスティブ素子に基づく新興メモリ技術を支援する神経形態学的アーキテクチャに有用であろう。本論文では,勾配に関する情報の単一ビットを用いた最急降下法に代わるものとして,無作為化未規制ステップ降下(RUSD),訓練法を提案した。は,低分解能整数演算プラットフォームと互換性があり,メモリスタメモリの顕著な非理想性のいくつかに弾力的であるかを示した。RUSDいくつかの標準機械学習ベンチマークの性能を検証した。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： 最急降下法 ,  ベンチマーク ,  ニューラルネットワーク ,  演算 ,  高分解能 ,  計算機アーキテクチャ ,  神経回路網 ,  互換性 ,  *シナプス ,  機械学習
準シソーラス用語： 神経形態学 ,  ハードウェア実装 ,  低電力化 ,  低分解能 ,  *シナプス素子 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： シナプス素子 ,  規制 ,  降下