文献

J-GLOBAL ID：201802286688564337   整理番号：18A1384836

PHAX:インバータに基づく記憶神経形態回路のための物理的特性を意識したex-situ訓練フレームワーク【JST・京大機械翻訳】

PHAX: Physical Characteristics Aware Ex-Situ Training Framework for Inverter-Based Memristive Neuromorphic Circuits

著者 (7件)： Ansari Mohammad (School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Fayyazi Arash (School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Banagozar Ali (School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Maleki Mohammad Ali (School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Kamal Mehdi (School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Afzali-Kusha Ali (School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Pedram Massoud (Department of Electrical Engineering, University of Southern California, Los Angeles, CA, USA)
資料名： IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems  (IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems)
巻： 37  号： 8  ページ： 1602-1613  発行年： 2018年 
JST資料番号： B0142C  ISSN： 0278-0070  CODEN： ITCSDI  資料種別： 逐次刊行物 (A)
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： 本論文において,著者らはインバータベースのメムリスティティブな神経形態学的ハードウェアのための訓練フレームワークを提案した。PHAXと呼ばれるフレームワークは,ex-situ訓練アプローチに依存する物理的特性を認識する物理的特性である。考察した神経形態回路は,神経回路の高エネルギー効率ハイブリッドCMOSメムリスティティブ実装である。ニューロンの高レベル数学モデル化と対応する物理的特性の間の不整合に対する訓練の高感度の問題を解決するために,構成的なクロスバーとニューロン回路の解析的ではあるが正確なモデリングのためのアプローチを提案した。SPICEシミュレーションに基づくアプローチは,双曲線関数を用いてインバータベースのニューロンをモデル化する。訓練有効性を増加させるために,逆伝搬訓練アルゴリズムを,メムリスティブ回路の物理的特性に基づくいくつかの制約を考慮することによって修正した。この修正は,物理的特性の正確なバックアノテーションと共に,神経回路のex situ訓練法の有効性を大幅に改善する。本論文の結果は,その場訓練アプローチのものと比較して,訓練実行時間における1805×の平均減少を示した。さらに,画像認識,画像処理および財務解析のようないくつかの応用のカーネルに対するアプローチを適用した結果,設計した神経回路は90nm CMOS技術におけるASIC実装に対して1478×(5.2×)の平均電力節約(速度アップ)を提供することを明らかにした。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： アノテーション ,  不整合 ,  学習アルゴリズム ,  画像処理 ,  画像認識 ,  数学モデル ,  ASIC ,  高感度 ,  シミュレーション ,  モデリング ,  双曲線関数 ,  ハードウェア ,  *ニューロン
準シソーラス用語： 財務 ,  *神経 , 【Automatic Indexing@JST】

分類 (3件)： CAD,CAM  (JE10000A) ,  集積回路一般  (NC03161C) ,  半導体集積回路  (NC03162T)

タイトルに関連する用語 (7件)： インバータ ,  神経 ,  形態 ,  物理的特性 ,  意識 ,  訓練 ,  フレームワーク