文献

J-GLOBAL ID：201802256389903827   整理番号：18A0726236

事象ベース教師なし学習のためのキャパシタレスRRAMベース確率ニューロン【JST・京大機械翻訳】

Capacitor-less RRAM-based stochastic neuron for event-based unsupervised learning

著者 (2件)： Lin Jie (Department of Electrical and Computer Engineering, University of Central Florida, Orlando, FL 32816, USA) ,  Yuan Jiann-Shiun (Department of Electrical and Computer Engineering, University of Central Florida, Orlando, FL 32816, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BioCAS  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： 確率的ニューロンはイベントベースの確率的ニューラルネットワークのキーである。ここでは,初めて,金属酸化物抵抗ランダムアクセスメモリ(RRAM)に基づく確率的ニューロンを提案した。内蔵確率を持つRRAMの導電性フィラメントを用いて,入力スパイクを時間的に統合するニューロンの膜コンデンサを模倣した。完全に非同期で容量の少ないニューロン回路を設計し,配置し,シミュレーションした。ニューロンの出力スパイク列はPoisson分布に従うことを示した。65nm CMOS技術ノードを用いて,ニューロンの面積は14×5μm~2であり,それは1pFコンデンサの1/9サイズである。ニューロンの平均電力消費は1.289μWである。最後に,著者らのニューロン設計を用いて,イベントベースのスパイキング深信念ネットワーク(DBN)を評価した。DBNはMNISTデータベースを用いて訓練される。シミュレーション結果は,DBNが90%の精度で手書き数字を認識できることを示した。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： *ニューロン ,  数字 ,  金属酸化物 ,  Poisson分布 ,  *教師なし学習 ,  コンデンサ ,  シミュレーション ,  CMOS ,  データベース
準シソーラス用語： 手書き ,  信念ネットワーク ,  導電性フィラメント ,  内蔵 ,  確率的ニューラルネットワーク ,  *ReRAM , 【Automatic Indexing@JST】

分類 (3件)： 半導体集積回路  (NC03162T) ,  脳・神経系モデル  (EL02050C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 事象 ,  教師なし学習 ,  RRAM ,  確率 ,  ニューロン