文献

J-GLOBAL ID：202202219883153065   整理番号：22A0778794

機械学習アプローチによる低電力ニューロモルフィックスパイキングニューラルネットワークのVLSI実装【JST・京大機械翻訳】

VLSI Implementation of the Low Power Neuromorphic Spiking Neural Network with Machine Learning Approach

著者 (2件)： Venkateswara Reddy K. (Department of ECE, JNTU Kakinada, Kakinada, A.P, India) ,  Balaji N. (Department of ECE, JNTU Kakinada, Kakinada, A.P, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1413  ページ： 781-793  発行年： 2022年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 生物医学的応用では,最新の計算方法論によるデータの分析が必要である。機械学習ベースのアーキテクチャは,その方法診断を強化する。本研究の目的は,医療データの特徴抽出と分類のためのナノエレクトロニクスと人工知能を用いた神経形態学的システムを設計することである。研究分野は,ナノエレクトロニクス,コンピュータ技術,および生物学の組合せである。本研究は,ヒト脳機能に基づくニューラルネットワークの分析,設計,および実装の広範囲な文献調査を提示する。非常に大規模な統合におけるスパイキングニューラルネットワーク(SNN)アーキテクチャ実装は電力消費を減らし,デバイスを小型化する。種々のスパイキングニューラルネットワークアーキテクチャと方法に関する詳細なレビューを示した。本論文では,スパイキングニューラルアーキテクチャのVLSI実装のための努力を行った。90nmと65nm技術でQuartusツールとSpartan/Cyclon/Vertexキットを用いて実装を行った。電力,遅延,および面積を性能計量として取り上げた。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *電力 ,  電力消費 ,  *ニューラルネットワーク ,  特徴抽出 ,  生物学 ,  ヒト ,  小型化 ,  人工知能 ,  *超LSI ,  計算機アーキテクチャ ,  *機械学習
準シソーラス用語： ナノエレクトロニクス ,  生物医学 ,  *スパイキングニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (7件)： FPGA ,  スパイキングニューラルネットワーク ,  人工知能 ,  神経形態学的システム ,  低電力 ,  CMOS ,  生物医学

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 機械学習 ,  低電力 ,  VLSI ,  実装