文献

J-GLOBAL ID：201902237100275356   整理番号：19A2089408

記憶ニューラルネットワークアーキテクチャにおける信頼性強化【JST・京大機械翻訳】

Reliability Enhancements in Memristive Neural Network Architectures

著者 (4件)： Gnawali Krishna Prasad (Department of Electrical and Computer Engineering, Southern Illinois University, Carbondale, IL, USA) ,  Paudel Bijay Raj (Department of Electrical and Computer Engineering, Southern Illinois University, Carbondale, IL, USA) ,  Mozaffari Seyed Nima (Nvidia Corporation, Santa Clara, CA, USA) ,  Tragoudas Spyros (Department of Electrical and Computer Engineering, Southern Illinois University, Carbondale, IL, USA)
資料名： IEEE Transactions on Nanotechnology  (IEEE Transactions on Nanotechnology)
巻： 18  ページ： 866-878  発行年： 2019年 
JST資料番号： W1355A  ISSN： 1536-125X  CODEN： ITNECU  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： 高速でコンパクトな神経形態システムの設計において,メムリスティッククロスバーアレイ(MCAs)は広く使われている。しかし,このようなシステムは,プロセス変動を適応させるために,逆伝搬アルゴリズムのオンチップ実装を必要とする。本論文では,非常に密なMCAsを効果的に利用する逆伝搬アルゴリズムの低ハードウェアオーバヘッドオンチップ実装を提案した。提案アーキテクチャを用いたオンチップ学習により,神経構成要素のプロセス変動の存在下での神経形態システムの信頼性を向上させた。本論文の第2の貢献は,他の信頼性考慮,すなわちMCAにおけるエージングトランジスタに対処するためのアーキテクチャ強化である。実験結果は,信頼性強化の影響を示した。Copyright 2019 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： 高速度 ,  *計算機アーキテクチャ ,  学習 ,  トランジスタ ,  *信頼性
準シソーラス用語： オンチップ ,  逆伝搬アルゴリズム ,  プロセス変動 ,  神経 ,  *ニューラルネットワークアーキテクチャ , 【Automatic Indexing@JST】

分類 (2件)： 固体デバイス計測・試験・信頼性  (NC03040G) ,  論理回路  (NC05070B)

タイトルに関連する用語 (2件)： ニューラルネットワークアーキテクチャ ,  強化