抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
エネルギーを超えて,物理的基板における欠陥の成長数は,計算装置とシステムの設計に影響を及ぼすもう一つの主要な制約になっている。基礎となる半導体技術は,より信頼性が低く,信頼性が低いので,計算デバイスのいくつかの構成要素が増加する確率も,近原子スケールの特徴次元から導出されたオンチップのexascale積分の完全な潜在的利益を実現することから設計者を妨げている。性能が永続的で過渡的な故障,デバイスの変化,および熱的問題を克服するためには,計算効率における主要なブレークスルーが,脳に触発されたコンピューティングのような計算の非従来型および新しいモデルから利益を得ることが期待される。次に,挑戦は,高性能でエネルギー効率が良いだけでなく,フォールトトレラント計算解を見出すことである。ニューラルコンピューティング原理は,有望なフォールトトレラント計算パラダイムのソースとして,まだ理解されていない。故障耐性に対する要求は,拡張可能で信頼できる計算システムに変換でき,ハードウェア設計自体および/または故障による回路の使用は,ニューラルネットワークに関するさらなる動機づけ研究をもたらし,それらの自然特性に基づいて,ある程度の脆弱性を吸収できる可能性がある。本論文では,ニューラルネットワークにおける故障耐性に関する調査を示した。これは,ニューラルモデル,特にフィードフォワードニューラルネットワークにおいて,このような可能性があるが限られた固有の特性を利用し,改善するために,確立された受動技術に焦点を合わせている。最初に,故障耐性に関する基本概念と背景を紹介した。次に,故障タイプ,モデル,および性能を評価するために使用される測度をレビューし,それらが受動的に故障耐性を達成するために利用する原理と機構に基づいて,いくつかのニューラルモデルの固有特性を強化するための主要技術の分類を提供する。完全性のために,ニューラルネットワークにおける活断層耐性に関するいくつかの代表的研究を簡潔にレビューした。著者らは,この分野に対する展望を克服し,結論を得るために残っているいくつかの重要な課題を提示する。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】