文献

J-GLOBAL ID：201802267274096692   整理番号：18A1622436

ニューロモルフィック計算のためのエネルギー効率の良い二次元アナログメモリ【JST・京大機械翻訳】

Energy-Efficient, Two-Dimensional Analog Memory for Neuromorphic Computing

著者 (3件)： Sharbati Mohammad T. (Dept. of ECE, University of Pittsburgh, 3700 O’Hara St., Pittsburgh, PA, 15261, United States of America) ,  Du Yanhao (Dept. of ECE, University of Pittsburgh, 3700 O’Hara St., Pittsburgh, PA, 15261, United States of America) ,  Xiong Feng (Dept. of ECE, University of Pittsburgh, 3700 O’Hara St., Pittsburgh, PA, 15261, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： DRC  ページ： 1-2  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： 計算のためにディジタルの0’と1’を用いる現代のコンピュータとは異なり,人間の脳のニューラルネットワークは,意思決定と学習過程の間に神経接続(すなわちシナプス重み)におけるアナログ変化を示す。このアナログの性質とニューラルネットワークの大規模な並列性は,部分的には人間の脳(~20W)が,最も強力なコンピュータ(~1MW)よりもパターン認識のような複雑なタスクで非常に良く,エネルギー効率が有意に優れている。現在,人工ニューラルネットワークの開発に向けた多くの研究努力は,CMOSデバイスを用いたディジタル技術に基づいており,これは生物学的シナプスのアナログ挙動を模倣できず,したがってエネルギーが大きい。近年,相変化メモリ(PCM),抵抗ランダムアクセスメモリ(RRAM),およびスピントルク転送(STT)RAM[2]-[4]のような新しいメモリデバイスが,それらのプログラマブルコンダクタンスとシナプス接続を模倣するために研究されている。これらのアプローチは有望であるが,それらは依然として,制御性の悪さ,下位信頼性,大きな変動性,および非対称性抵抗応答などの様々な制約に直面している。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： パターン認識 ,  *エネルギー効率 ,  CMOS ,  *アナログ系 ,  コンピュータ ,  非対称性 ,  シナプス ,  意思決定 ,  ニューラルネットワーク ,  信頼性 ,  コンダクタンス ,  *二次元 ,  記憶装置 ,  ディジタル方式
準シソーラス用語： *アナログメモリ , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 計算 ,  エネルギー効率 ,  アナログメモリ