文献

J-GLOBAL ID：202202259016227814   整理番号：22A0909887

メムリスタクロスバーパーセプトロンにおける更新と遺伝的トレーニングアルゴリズムの比較【JST・京大機械翻訳】

Comparison of update and genetic training algorithms in a memristor crossbar perceptron

著者 (2件)： Edwards Kyle N. (Department of Physics and Materials Science, University of Memphis, Memphis, Tennessee 38152, USA) ,  Shen Xiao (Department of Physics and Materials Science, University of Memphis, Memphis, Tennessee 38152, USA)
資料名： AIP Advances (Web)  (AIP Advances (Web))
巻： 12  号： 2  ページ： 025327-025327-6  発行年： 2022年 
JST資料番号： U7121A  ISSN： 2158-3226  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： メムリスタベースのコンピュータアーキテクチャは,ニューラルネットワークの実装のためのハードウェアの可能な選択として,より魅力的になっている。しかし,現在,メムリスタ技術は様々な故障モードに影響を受けやすく,ハードウェアへの正規アクセスが期待されないか,あるいは可能な場合でも,どんな応用においても重大な懸念がある。本研究では,特定の訓練アルゴリズムが特定のハードウェア故障モードに対してより弾力性があり,従って,これらのアプリケーションでの使用に適しているかどうかを検討した。2つの訓練アルゴリズム(局所更新方式と模擬メムリスタクロスバーにおける遺伝的アルゴリズム)を実装し,それらのコンダクタンスを調整できないように,メムリスタ数の増加として簡単な画像分類タスクのための訓練能力を比較した。訓練に対する故障率のいくつかの測度において,2つのアルゴリズム間に明確な差異があることを示した。Copyright 2022 AIP Publishing LLC 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 ,  測度 ,  故障率 ,  弾性 ,  ニューラルネットワーク ,  応用プログラム ,  ハードウェア ,  ハードウェア障害 ,  計算機アーキテクチャ ,  故障モード ,  *パーセプトロン ,  遺伝的アルゴリズム ,  学習アルゴリズム ,  コンダクタンス
準シソーラス用語： *メモリスタ , 【Automatic Indexing@JST】

分類 (2件)： 半導体集積回路  (NC03162T) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 更新 ,  トレーニング ,  アルゴリズム