NeuroPack:メモリスタ-エンパワーニューロインスパイアードコンピューティングのためのアルゴリズムレベルPythonベースシミュレータ【JST・京大機械翻訳】

Huang Jinqi; Stathopoulos Spyros; Serb Alex; Prodromakis Themis

プレプリント

J-GLOBAL ID：202202216933737788 整理番号：22P0025576

NeuroPack:メモリスタ-エンパワーニューロインスパイアードコンピューティングのためのアルゴリズムレベルPythonベースシミュレータ【JST・京大機械翻訳】

NeuroPack: An Algorithm-level Python-based Simulator for Memristor-empowered Neuro-inspired Computing

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01月10日プレプリントサーバーでの情報更新日： 2022年02月16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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

メムリスタとして知られる2つの末端ナノスケールメモリデバイスを,過去10年間にわたって,エネルギー効率の良い神経インスパイアードコンピューティングアーキテクチャを実装するための大きな可能性を実証した。その結果,明確な経験的モデルにより,次に,幅広い技術が開発された。この技術の多様性は,設計者が新しい神経刺激トポロジーにおけるメムリスタの属性を翻訳することを可能にする多目的ツールの確立を必要とする。本論文では,オンライン学習またはオフライン分類を行うためのメムリスタニューロインスパイアアーキテクチャの研究をサポートすることができる,NeuroPack,モジュール,アルゴリズムレベルPythonベースシミュレーションプラットフォームを提示した。NeuroPack環境は,中心である汎用性で設計され,ユーザが様々なニューロンモデル,学習ルール,およびメムリスタモデルから選択することを可能にする。その階層構造は,様々な設計決定とユーザパラメータオプションを通して,メモリスタ状態変化および対応するニューラルネットワーク挙動を予測するために,NeuroPackをエンパワーする。NeuroPackの使用は,MNISTデータセットによる手書き数字分類と金属酸化物メムリスタのための既存の経験的モデルを実行する応用例を通してここで実証された。【JST・京大機械翻訳】

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

脳・神経系モデル , ニューロコンピュータ

, , ,

前のページに戻る