文献

J-GLOBAL ID：202202253825793883   整理番号：22A0977554

抵抗スイッチングメモリのクロスポイントアレイによるメモリ内主成分分析:エッジコンピューティングにおけるエネルギー効率の良いデータ解析のための新しいハードウェアアプローチ【JST・京大機械翻訳】

In-Memory Principal Component Analysis by Crosspoint Array of Resistive Switching Memory: A new hardware approach for energy-efficient data analysis in edge computing

著者 (8件)： Mannocci Piergiulio (Politecnico di Milano, Milano, Italy) ,  Baroni Andrea (Universita` degli Studi di Ferrara, Ferrara, Italy) ,  Melacarne Enrico (Politecnico di Milano, Milano, Italy) ,  Zambelli Cristian (Universita` degli Studi di Ferrara, Ferrara, Italy) ,  Olivo Piero (Universita` degli Studi di Ferrara, Ferrara, Italy) ,  Perez Eduardo (IHP-Leibniz Institut fuer innovative Microelektronik, Frankfurt (Oder), Germany) ,  Wenger Christian (IHP-Leibniz Institut fuer innovative Microelektronik, Frankfurt (Oder), Germany) ,  Ielmini Daniele (Politecnico di Milano, Milano, Italy)
資料名： IEEE Nanotechnology Magazine  (IEEE Nanotechnology Magazine)
巻： 16  号： 2  ページ： 4-13  発行年： 2022年 
JST資料番号： W2236A  ISSN： 1932-4510  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： メモリコンピューティング(IMC)は,機械学習(ML)のデータ集約型コンピューティング加速器のための最も有望な候補の1つである。次元縮小と分類のための鍵MLアルゴリズムは主成分分析(PCA)であり,古典的von Neumannアーキテクチャが最適化されない行列ベクトル乗算(MVM)に大きく依存する。ここでは,抵抗スイッチングランダムアクセスメモリ(RRAM)の4ビットアレイで実行される電力反復とデフレーションに基づく,新しいIMCベースPCAアルゴリズムの実験的実証を提供した。Wisconsin乳癌データセットの分類精度は,浮遊点実装に近い95.43%に達した。著者らのシミュレーションは,市販のGPUと比較してエネルギー効率の250 改善を示し,その結果,現代のデータ集約型コンピューティングにおけるエネルギー効率の良いMLのためのIMCを支援する。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： アルゴリズム ,  *記憶装置 ,  最適化 ,  ベクトル ,  電力 ,  乗算 ,  *ハードウェア ,  *主成分分析 ,  次元縮小 ,  RAM【メモリ】 ,  計算機アーキテクチャ ,  乳房腫瘍 ,  機械学習
準シソーラス用語： *抵抗スイッチング ,  データ集約 , 【Automatic Indexing@JST】

分類 (5件)： 感染症・寄生虫症一般  (GD01010H) ,  計測機器一般  (AD02000X) ,  プリント回路  (NA05040O) ,  熱電子放出,電界放出  (BM09020S) ,  通信網  (ND07030A)

タイトルに関連する用語 (6件)： 抵抗スイッチングメモリ ,  主成分分析 ,  エッジコンピューティング ,  エネルギー効率 ,  データ解析 ,  ハードウェア