文献

J-GLOBAL ID：201802238196541791   整理番号：18A2040971

プラスチックRRAMシナプスを持つ脳にヒントを得たリカレントニューラルネットワーク【JST・京大機械翻訳】

Brain-inspired recurrent neural network with plastic RRAM synapses

著者 (3件)： Milo Valerio (Informazione e Bioingegneria, Politecnico di Milano and IU.NET, Dipartimento di Elettronica, Milano,Italy, 20133) ,  Chicca Elisabetta (Bielefeld University, Faculty of Technology and Cognitive Interaction Technology Center of Excellence (CITEC), Bielefeld,Germany) ,  Ielmini Daniele (Informazione e Bioingegneria, Dipartimento di Elettronica, Politecnico di Milano and IU.NET, Milano, Italy, 20133)
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： 人間の脳の挙動を模倣できる神経形態システムの開発は,最近関心を増している。しかし,このような人工システムの構築は,連結性,並列性および塑性挙動に関する生物学的ニューラルアーキテクチャの複雑さだけでなく,シナプスデバイスのナノスケール統合による商用技術の欠如によって妨げられてきた。特に,人間の脳における再発接続の関連性に関する広いコンセンサスがあり,それらの関連学習とパターン分類に対する重要な役割がある。したがって,認知計算の基本的なプリミティブは,再帰ニューラルネットワーク(RNNs)によって実証することができる。本研究では,スパイクタイミング依存可塑性(STDP)を介して学習できるHfO_2RRAMデバイスを持つHopfield型RNNを設計し,シミュレーションした。最初に,4ニューロンRNNにおける単一アトラクタ状態の学習と想起を実証した。この結果に基づいて,64ニューロンRNNにおける2つの直交パターンの信号復元をシミュレートし,認識計算機能を持つRRAMベースRNNをサポートした。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： 再発 ,  *ニューラルネットワーク ,  アトラクタ ,  *シナプス ,  直交性 ,  パターン分類 ,  信号再生 ,  学習 ,  連結性 ,  ニューロン
準シソーラス用語： *ReRAM ,  スパイクタイミング依存シナプス可塑性 ,  ナノスケール ,  神経 ,  *リカレントニューラルネットワーク , 【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 (6件)： プラスチック ,  RRAM ,  シナプス ,  脳 ,  ヒント ,  リカレントニューラルネットワーク