.png){kind=icon}
返回
Neuro-Inspired Computing With Emerging Nonvolatile Memory
.png){kind=icon}
OA
AI
DOI：10.1109/JPROC.2018.2790840.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
这篇综合评论总结了使用新兴的非易失性存储器设备进行神经启发计算的最新技术，挑战和前景。首先，我们讨论了在当今的von-Neumann架构之外开发神经启发架构的需求。其次，我们总结了设计神经形态硬件的各种方法 (数字与模拟，尖峰与非尖峰，在线训练与离线训练)，并讨论了为什么新兴的非易失性存储器对于在神经网络中实现突触具有吸引力。然后，我们讨论突触设备的所需设备特性 (例如，多级状态，权重更新非线性/不对称，变化/噪声)，并调查了文献中报道的一些代表性材料系统和设备原型，这些系统和原型显示了模拟电导调谐。这些候选者包括相变存储器、电阻式存储器、铁电存储器、浮栅晶体管等。接下来，我们介绍交叉阵列架构，以加速神经启发机器学习算法中常用的加权和和权重更新操作，并回顾了模式识别任务的阵列级实验演示的最新进展。此外，我们讨论了外围神经元电路设计问题，并提出了一种设备-电路-算法协同设计方法，以评估非理想设备效应对系统级性能 (例如，学习精度) 的影响。最后，我们对用于高效硬件实现的学习算法的定制进行了展望。
Keyword:
Hardware accelerator
machine learning
neuromorphic computing
neural network
nonvolatile memory
resistive memory
synaptic device
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
25.9
论文数:
9.9K
被引数:
4.5W
机构
引用论文
Redox-Based Resistive Switching Memories - Nanoionic Mechanisms, Prospects, and Challenges基于氧化还原的电阻开关存储器-纳米离子机制，前景和挑战.png)
ADVANCED MATERIALS
ADVANCED MATERIALSIF26.8
PREAI
分享收藏On spike-timing-dependent-plasticity, memristive devices, and building a self-learning visual cortex关于尖峰时间依赖性可塑性，忆阻器件和构建自学习视觉皮层OAAI
OAAI分享收藏Implications of diminished ovarian reserve (DOR) extend well beyond reproductive concernsMenopause
MenopauseIF0
PREAI
分享收藏
查看更多内容