• ВХОД

    •  

    Полное описание


     Морозов, Александр Юрьевич. Математическое моделирование самообучающейся нейроморфной сети, основанной на наноразмерных мемристивных элементах с 1T1R-кроссбар-архитектурой / А. Ю. Морозов, К. К. Абгарян, Д. Л. Ревизников. - DOI 10.17073/1609-3577-2020-3-186-195. - Текст : непосредственный // Материалы электронной техники : журнал. - 2020. - Т 23, N 3. - С. 186-195. - Библиогр. в конце ст. - ISSN 1609-3577.
    (Шифр в БД У2147/2020/23/3)
    ГРНТИ УДК
    28.23004.8
    28.23.37004.032.26
    28.23.15004.93
    РУБ ИИ
    04.01
    05.05
    05.06

    Рубрики:
    Искусственный интеллект
    Нейронные сети
    Нейроморфная сеть
    Мемристор
    Распознавание образов

    Кл.слова (ненормированные): мемристор -- оксид титана -- оксид гафния -- нейроморфная сеть -- импульсная нейронная сеть -- stdp -- распознавание
    Аннотация: Искусственные нейронные сети играют важную роль в современном мире. Основная их область применения - это задачи распознавания и обработки изображений, речи, а также робототехника и беспилотные системы. Использование нейронных сетей связано с большими вычислительными затратами. Отчасти именно этот факт сдерживал их прогресс, и только с появлением высокопроизводительных вычислительных систем началось активное развитие данной области. Тем не менее, вопрос ускорения работы нейросетевых алгоритмов все еще актуален. Одним из перспективных направлений является создание аналоговых реализаций искусственных нейронных сетей, так как аналоговые вычисления проводятся на порядки быстрее, чем цифровые. В качестве базового элемента, на котором строятся такие системы, выступает мемристор. Мемристор представляет собой резистор, проводимость которого зависит от суммарного пройденного через него заряда. Объединение мемристоров в матрицу (кроссбар) позволяет реализовать на аппаратном уровне один слой искусственных синапсов. Традиционно в качестве аналогового метода обучения применяется метод STDP, основанный на правиле Хебба. Выполнено моделирование двухслойной полносвязной сети с одним слоем синапсов. Мемристивный эффект может проявляться в разных веществах (в основном в разных оксидах), поэтому важно понимать, как характеристики мемристоров будут влиять на параметры нейронной сети. Рассмотрены два оксида: оксид титана (TiO2) и оксид гафния (HfO2). Для каждого оксида выполнена параметрическая идентификация соответствующей математической модели для наилучшего согласования с экспериментальными данными. Проведены настройка нейронной сети в зависимости от используемого оксида и моделирование процесса ее обучения распознаванию пяти шаблонов.
    Доп. точки доступа:
    Абгарян, Каринэ Карленовна
    Ревизников, Дмитрий Леонидович

    Экз-ры полностью У2147/2020/23/3
    Имеются экземпляры в отделах: всего 1 : ХРЦ (1)
    Свободны: ХРЦ (1)
    Переход по DOI



    Заказ фрагмента документа ₽