文献

J-GLOBAL ID：202202246845344347   整理番号：22A1163820

RRAMベースニューロモルフィックシステムにおける実時間オンライン学習のための高速重み転送法【JST・京大機械翻訳】

A Fast Weight Transfer Method for Real-Time Online Learning in RRAM-Based Neuromorphic System

著者 (4件)： Kim Min-Hwi (Inter-University of Semiconductor Research Center (ISRC) and Department of Electrical and Computer Engineering, Seoul National University, Seoul, South Korea) ,  Lee Sin-Hyung (School of Electronics Engineering, School of Electronic, and School of Electronic and Electrical Engineering, Kyungpook National University, Daegu, South Korea) ,  Kim Sungjun (Division of Electronics and Electrical Engineering, Dongguk University, Seoul, South Korea) ,  Park Byung-Gook (Inter-University of Semiconductor Research Center (ISRC) and Department of Electrical and Computer Engineering, Seoul National University, Seoul, South Korea)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 37030-37038  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 本研究では,抵抗スイッチングランダムアクセスメモリ(RRAM)に基づく神経形態学的システムのためのシナプス重み転送法を提案し,検証した。大規模ハードウェアシナプスユニットを利用するオンチップ訓練可能神経形態システムを実装するために,高速で信頼できる書込み方式を確立する必要がある。実験結果に基づき,段階的セットと完全リセット操作が抵抗スイッチングメモリセルの基本的信頼性特性による高速プログラミングのための最も適切な操作方式であることを確認した。また,提案したRRAMコンパクトモデルを用いたこのプログラミング法の優位性を示した。さらに,1つの重み/1シナプスデバイス構造を,教師つき学習における非負重み制約を用いて高密度シナプスアレイを実現するために新たに採用した。最後に,ソフトウェアとハードウェアレベルで得られたパターン認識精度を比較した。Copyright 2022 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： パターン認識 ,  *シナプス ,  教師つき学習 ,  素子構造 ,  ハードウェア ,  ソフトウェア ,  性徴 ,  RAM【メモリ】 ,  運転モード
準シソーラス用語： オンチップ ,  コンパクトモデル ,  高密度 ,  抵抗スイッチング ,  *ReRAM ,  抵抗スイッチングメモリ , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G)

タイトルに関連する用語 (4件)： RRAM ,  実時間 ,  オンライン学習 ,  転送