文献

J-GLOBAL ID：201802213203750432   整理番号：18A2041142

記憶技術によるビッグデータの処理:超平面の効率的分割【JST・京大機械翻訳】

Processing big-data with Memristive Technologies: Splitting the Hyperplane Efficiently

著者 (4件)： Serb A. (Zepler Institute, University of Southampton, Electronic Materials & Devices Research Group, Southampton, SO17 1BJ, UK) ,  Papandroulidakis G. (Zepler Institute, University of Southampton, Electronic Materials & Devices Research Group, Southampton, SO17 1BJ, UK) ,  Khiat A. (Zepler Institute, University of Southampton, Electronic Materials & Devices Research Group, Southampton, SO17 1BJ, UK) ,  Prodromakis T. (Zepler Institute, University of Southampton, Electronic Materials & Devices Research Group, Southampton, SO17 1BJ, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISCAS  ページ： 1-5  発行年： 2018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： データ処理の重要な役割は,データの構造を効率的に捉える能力である。これは分割を必要とする超平面として入力空間を処理する。いくつかの現代の電子システムは,標準論理ゲートから人工ニューラルネットワーク(ANNs)へのそのような分割を実行すると理解できることを論じた。さらに最近,ハードウェアにおいて連続的に同調可能な利点を持つシステムを装備したメムリスティブ技術は,これらの再構成可能な電力と空間効率的な方法を提供する。ここでは,メムリスタが超平面を分割する基本タスクの異なるフレーバを実行するために最適化された回路を可能にするいくつかの概念実証例を示した。これらは,統一された視点の文脈内で提示された閾値論理と受容場ベースの分類器を含む。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ハードウェア ,  電力 ,  ニューラルネットワーク ,  電子装置 ,  同調 ,  最適化 ,  データ処理 ,  閾値論理
準シソーラス用語： メモリスタ ,  再構成可能性 ,  論理ゲート ,  *超平面 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： ビッグデータ