SPICEprop:メムリスティブスパイキングニューラルネットワークによる逆伝搬エラー【JST・京大機械翻訳】

Zhou Peng; Eshraghian Jason K.; Choi Dong-Uk; Kang Sung-Mo

プレプリント

J-GLOBAL ID：202202203563985472 整理番号：22P0298076

SPICEprop:メムリスティブスパイキングニューラルネットワークによる逆伝搬エラー【JST・京大機械翻訳】

SPICEprop: Backpropagating Errors Through Memristive Spiking Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年03月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

著者らは,時間(BPTT)学習規則を通してバックプロパゲーションを用いて訓練された新しい記憶ニューロンから成る完全メムリスティブスパイキングニューラルネットワーク(MSNN)を提示する。勾配降下は,異なる脱分極,過分極,再分極電圧波形を生成するアナログSPICE回路モデルを用いて設計したメムリスティブ統合火災(MIF)ニューロンに直接適用される。シナプス重みはMIFニューロンモデルの膜電位を用いてBPTTにより訓練され,メムリスティブクロスバー上で処理できる。MIFニューロンモデルの自然なスパイキング動力学は完全に異なり,スパイキングニューラルネットワーク文献において一般的である勾配近似の必要性を除去する。SPICE回路モデルに直接訓練された複雑さにもかかわらず,MNIST試験データセットで97.58%の精度とFashion-MNIST試験データセットで75.26%の精度を達成し,すべての完全MSNNの中で最高の精度を達成した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

半導体集積回路 , 脳・神経系モデル

前のページに戻る