文献

J-GLOBAL ID：201902280092593964   整理番号：19A1606838

深部神経回路網における記憶シナプスの高精度トレーニングのためのデルタ-シグマ変調ニューロン【JST・京大機械翻訳】

Delta-Sigma Modulation Neurons for High-Precision Training of Memristive Synapses in Deep Neural Networks

著者 (3件)： Danial Loai (The Andrew and Erna Viterbi Faculty of Electrical Engineering, Technion - Israel Institute of Technology, Haifa 3200003, Israel) ,  Thomas Sidharth (The Andrew and Erna Viterbi Faculty of Electrical Engineering, Technion - Israel Institute of Technology, Haifa 3200003, Israel) ,  Kvatinsky Shahar (The Andrew and Erna Viterbi Faculty of Electrical Engineering, Technion - Israel Institute of Technology, Haifa 3200003, Israel)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ISCAS  ページ： 1-5  発行年： 2019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： 生物学的ニューロンのスパイク生成機構と情報符号化プロセスは,デルタ-シグマ変調器(ΔΣ)の振幅-周波数変調特性によってエミュレーションできる。ΔΣのオーバーサンプリング,平均化および雑音形成特徴は,高いニューラル符号化精度を可能にし,ニューラルネットワークにおける固有雑音レベルを緩和する。本論文では,人工アナログニューラルネットワークの推論と訓練のためのニューロン活性化関数としてΔΣを提案した。ΔΣの固有のディザリングは,偽の局所最小値におけるスタックからの重みを防ぎ,その非線形伝達関数は多層アーキテクチャに対して魅力的になる。確率的勾配降下(SGD)または生物学的に妥当なスパイク時間依存可塑性(STDP)を用いて,教師つき/教師なし機械学習(ML)アルゴリズムにより訓練される重みとして,メムリスティティブシナプスを用いた。著者らのΔΣネットワークは,SGDを用いたMNISTにおいて,97.37%の訓練精度と3.2xの高速化により,一般的な電力ハングリーパルス幅変調器対応物より優れている。これらの知見は,類似の神経形態学的ハードウェアを用いて,脳に触発されたモデルとMLの間の文化的なギャップを閉じることにおけるmil石を構成する。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】

シソーラス用語： 高速化 ,  アルゴリズム ,  伝達関数 ,  エミュレーション ,  ネットワーク ,  *シナプス ,  変調器 ,  時間依存性 ,  ニューラルネットワーク ,  計算機アーキテクチャ ,  *ニューロン ,  ハードウェア ,  雑音 ,  *ΔΣ変調
準シソーラス用語： オーバサンプリング , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 深部 ,  神経回路網 ,  シナプス ,  トレーニング ,  デルタ-シグマ変調 ,  ニューロン