文献

J-GLOBAL ID：202002269005659157   整理番号：20A2767976

ディープメム容量ネットワーク【JST・京大機械翻訳】

Deep Memcapacitive Network

著者 (2件)： Dat Tran S.J. (Santa Clara University,Department of Electrical and Computer Engineering,Santa Clara,California,USA) ,  Teuscher Christof (Portland State University,Department of Electrical and Computer Engineering,Portland,Oregon,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： NEMS  ページ： 200-205  発行年： 2020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： 深層ネットワークはニューラルネットワーク研究コミュニティにおいて大きな運動量を獲得した。深層ネットワークにおいて,各層は入力データの抽象的特徴を表し,情報は層間の反復接続を通してフィードフォワードまたは円形様式で伝播する。そのような深層ネットワークの訓練は複雑なアルゴリズムを必要とする。深い貯水池コンピューティング(RC)は,深いネットワークの訓練複雑性を克服する代替案である。深いRCでは,深層ネットワーク(または貯留層)は訓練されていないままであり,訓練は単純なアルゴリズムで出力ノードでのみ起こる。これまで,深いRCは,従来のEcho状態ネットワーク(ESNs)が深いRC構造内の計算層として機能するソフトウェアベースのアプローチである。ここでは,メモリ容量ネットワークを用いた深いRCのためのハードウェアベースプラットフォームを提案した。このシミュレーション結果は,深いメム容量RCが最先端の深いESNと競合でき,類似のタスクを達成するために3.45のより少ない層を必要とすることを示した。深い記憶容量RCネットワークは,新しい神経形態学的ハードウェアを構築するための潜在的プラットフォームを提供する。Copyright 2020 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： アルゴリズム ,  運動量 ,  シミュレーション ,  貯水池 ,  記憶容量 ,  *ネットワーク ,  ニューラルネットワーク ,  コミュニティ ,  フィードフォワード ,  鉄筋コンクリート構造 ,  ハードウェア ,  ソフトウェア ,  深層
準シソーラス用語： 複雑性 ,  入力データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)