文献检索-宁波市创意产业特色资源库

限定检索结果

检索条件"机构=Key Laboratory of Microelectronic Devices&Integrated Technology"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

视图：

排序：

用于原位学习的忆阻器-CMOS混合神经元及全硬件忆阻脉冲神经网络的实现: 收藏
分享
引用; 《Science Bulletin》2021年第16期66卷 1624-1633,M0003页; 作者：张续猛卢建王中锐王睿魏劲松时拓窦春萌吴祖恒朱佳雪尚大山邢国忠陈文新刘琦刘明Frontier Institute of Chip and SystemFudan UniversityShanghai 200433China Key Laboratory of Microelectronic Devices&Integrated TechnologyInstitute of MicroelectronicsChinese Academy of SciencesBeijing 100029China University of Chinese Academy of SciencesBeijing 100049China Department of Electrical and Electronic Engineeringthe University of Hong KongHong KongChina Zhejiang LaboratoryHangzhou 311122China Department of Electronic and Computer Engineeringthe Hong Kong University of Science and TechnologyHong KongChina; 脉冲神经网络由脉冲神经元和可塑性的神经突触构成,是当前实现高效神经形态计算的一种有效方案.忆阻器具有丰富的神经动力学特性和生物单元相似性,近年来成为实现神经元和突触的理想硬件单元之一.然而,目前忆阻器基神经元的功能非常单一...; 脉冲神经网络由脉冲神经元和可塑性的神经突触构成,是当前实现高效神经形态计算的一种有效方案.忆阻器具有丰富的神经动力学特性和生物单元相似性,近年来成为实现神经元和突触的理想硬件单元之一.然而,目前忆阻器基神经元的功能非常单一,而且支持原位学习的全硬件忆阻脉冲神经网络的功能演示比较初级.本文将忆阻器与简单的数字电路相结合,设计并实现了一种混合脉冲神经元,丰富了神经元的功能.该混合神经元不仅可以利用忆阻器的物理动力学特性实现基本的漏电积分激发特性,还可以对连接的突触权值进行原位调节.作者进一步构建了基于混合神经元和忆阻器突触的全硬件脉冲神经网络,并实现了赫布学习过程.该工作为脉冲神经元的发展开辟了一条新道路,为高密度神经形态计算系统实现原位学习提供了有利支持.; 来源：详细信息评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页<< <1> >>

聚类工具回到顶部