.png){kind=icon}
返回
Solving All Eigenpairs With Resistive Memory-Based Analog Matrix Computing Circuits
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSI.2025.3628178.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
特征对计算在机器学习和信号处理中是基础性的，但其面临$\mathbf {O(n^{3})}$复杂度和数字平台上的数据传输限制。基于电阻随机存取存储器（RRAM）的模拟矩阵计算（AMC）提供了一种低延迟、内存内计算方案，通过将矩阵编码为电导并利用电路定律，实现$\mathbf {O(1)}$的矩阵运算。之前的AMC特征向量电路只能计算主特征向量，但需要先验知道对应的特征值，且无法求解所有特征对。本研究提出一种方法，将特征对计算分解为矩阵求逆任务和通过扫描确定特征值，由此实现了两种基于RRAM的AMC电路设计：用于主特征对计算的改进-INV电路和用于所有特征对计算的改进-GINV电路。应用于主成分分析时，改进-GINV电路为Iris数据集生成了主成分，并为图像重建提取了特征脸——两者均与理论值高度吻合。此外，我们还研究了非理想因素的影响，包括RRAM器件变化、运算放大器输入失调电压、互连电阻以及功耗，为评估电路性能提供了有价值的指导。
Keyword:
Analog computing
eigenvalue
eigenvector
resistive memory
principal component analysis
期刊
I
IF:
0
论文数:
268
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容