文献

J-GLOBAL ID：201702271233420752   整理番号：17A1392773

メムリスタを用いた非対称セルラニューラルネットワークの収束性と多重安定性【Powered by NICT】

Convergence and Multistability of Nonsymmetric Cellular Neural Networks With Memristors

著者 (3件)： Di Marco Mauro (Department of Information Engineering and Mathematics, University of Siena, Siena, Italy) ,  Forti Mauro (Department of Information Engineering and Mathematics, University of Siena, Siena, Italy) ,  Pancioni Luca (Department of Information Engineering and Mathematics, University of Siena, Siena, Italy)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 10  ページ： 2970-2983  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
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： 各セルは理想的なキャパシタと理想的なフラックス制御メモリスタを含む最近の研究は,セルラニューラルネットワーク(CNN)のクラスを検討した。一つの主要な特徴は,アナログ計算の間にメモリスタは動的要素であると仮定したことであり,これから,各セルキャパシタ電圧とメモリスタフラックスによって与えられた状態変数を持つ第二近似解。細胞相互接続のための対称性条件を満足するとき,そのようなCNN,動的メモリスタ(DM)-CNNを収束することが証明された。本論文の目的は,非対称相互接続の一般的な場合におけるDM CNNの収束と多重安定性を調べることである。主な結果は,細胞間の非対称,非負相互接続(おそらく)であるときに,収束を持ち,既約性仮定が満足されることである。この結果は陽性細胞結合テンプレートを用いた標準(S)-CNNのための古典的な収束結果に似ているように見える。しかし,DMの存在に起因して,DM CNNはS CNNに関するいくつかの基本的に異なる,特異な動力学的性質を示した。一つの重要な差異は,S CNNのための起こるとしてDM CNN処理はキャパシタ電圧の代わりにメモリスタフラックスの時間発展に基づいていることである。,定常状態に達したとき,すべての電圧と電流,DM CNN消滅の電力消費。メモリスタにもかかわらずは,処理の結果を不揮発性方法で貯蔵することができた。SCNNは定常状態に達したとき,電圧,電流,代わりにパワーは消滅しない。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： *セルラニューラルネットワーク ,  電圧 ,  対称性 ,  *多重安定性 ,  電流 ,  状態変数 ,  コンデンサ ,  電力消費 ,  *非対称性 ,  時間発展 ,  アナログ系 ,  相互接続
準シソーラス用語： 定常状態 ,  近似解 ,  *メモリスタ , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： メムリスタ ,  非対称 ,  セルラニューラルネットワーク ,  収束性 ,  多重安定性