文献

J-GLOBAL ID：201802213853129698   整理番号：18A0774542

多層ニューラルネットワークに応用を持つ一般的メムリスタ

General memristor with applications in multilayer neural networks

著者 (9件)： Wen Shiping (School of Automation, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Wen Shiping (Department of Automation, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Wen Shiping (College of Science and Engineering, Hamad Bin Khalifa University, Qatar) ,  Xie Xudong (School of Automation, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Xie Xudong (Department of Automation, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Yan Zheng (Centre for Artificial Intelligence, University of Technology Sydney, Australia) ,  Huang Tingwen (Science Program, Texas A & M University at Qatar, 23874, Qatar) ,  Zeng Zhigang (School of Automation, Huazhong University of Science and Technology, Wuhan 430074, China) ,  Zeng Zhigang (Department of Automation, Huazhong University of Science and Technology, Wuhan 430074, China)
資料名： Neural Networks  (Neural Networks)
巻： 103  ページ： 142-149  発行年： 2018年07月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： メムリスタは電荷と磁束の間の関係について記述する。HPの線形と非線形のドーパントドリフトモデルに基づくメムリスタに対していくつかの窓関数が研究されてきたが,それらの大半はメムリスタの完全な特徴を捉えるには不十分である。本論文では,この問題に取り組むために,与えられたそのパラメータの制約を持つ一般的メムリスタを記述する統一窓関数を提案した。他の窓関数と比べて,提案した関数は高い正当性と精度を示した。シミュレーション結果に実際の回路の結果との高い整合性を持たせるために,メムリスタに基づく多層ニューラルネットワーク(MNN)回路のシミュレーションに新しい窓関数を適用した。全体としての精度は,窓関数における制御パラメータの変化によって異なった。それは提案したモデルが実際のメムリスタに基づく回路の設計を導けることを暗示する。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  多層構造 ,  *回路部品 ,  パラメタリゼーション ,  精度 ,  計算機シミュレーション ,  評価試験 ,  電子回路
準シソーラス用語： *メモリスタ ,  *多層ニューラルネットワーク

著者キーワード (3件)： メムリスタ ,  窓関数 ,  ニューラルネットワーク

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  半導体集積回路  (NC03162T)

タイトルに関連する用語 (3件)： 多層ニューラルネットワーク ,  応用 ,  メムリスタ