.png){kind=icon}
返回
A Memristor-Based Saturation-Constrained Information Capacity Framework for Temporal Information Processing
.png){kind=icon}
PRE
AI
DOI：10.1002/adma.75096.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物理储备计算（PRC）已作为一种高效能范式，用于边缘智能系统中处理高维时空数据。然而，PRC的部署常受限于连续输入信号与硬件衬底有限动态范围之间的量化失配。传统二值时间复用确保高噪声免疫力，但需要冗长的脉冲序列，导致高延迟和过早物理饱和。相反，多值模拟编码提升信息密度，但常引发状态重叠，且在无物理量化边界约束下运行。为解决此物理-信息权衡，我们提出饱和约束信息容量（SCIC）框架。该框架考虑任务特定编码变量和衬底固有约束，实现器件感知的输入映射优化。我们在高度均匀、无选择器的32×32交叉阵列上实验验证该框架，利用了存储器的易失性动力学。在实验选定的编码条件下，SCIC引导的RC在时序预测（NRMSE为0.019）、语音识别（自由语音数字数据集(FSDD)子集准确率约94.5%）和实时避障方面表现出卓越性能。我们的方法将编码约束与固态器件物理关联，为边缘PRC参数化提供了器件感知方法。
Keyword:
memristor
reservoir computing
saturation-constrained information capacity
temporal information processing
期刊
IF:
26.8
论文数:
3.4W
被引数:
46.0W
机构
查看更多机构
引用论文
暂无论文信息