典型文献
基于忆阻器的多模式识别CNN电路设计
文献摘要：
现有的类脑计算电路存在的识别对象单一、识别率低等问题,限制了类脑芯片的发展.该文结合器件量子电导及存算一体架构,提出一种基于忆阻器的多模式识别CNN电路设计方案.该方案首先构建具有多阻态、高精度、可重构的忆阻器模型;然后采用CNN架构与权重量化方法,提高电路的训练速度与识别率;最后,在交叉阵列结构中进行电导映射,完成MNIST、Fashion-MNIST和EMNIST等多种模式测试.实验结果表明所设计忆阻器具有50个稳定阻态以及LTP突触可塑性;CNN硬件电路的多模式识别率均为90％以上,尤其是MNIST识别率高达99.08％,并验证了高斯噪声下电路的抗干扰能力.
文献关键词：
超越冯诺依曼架构;神经形态计算;忆阻器;突触可塑性
中图分类号：
作者姓名：
陈鑫辉;王宇轩;张跃军;刘钢;刘子坚
作者机构：
金华职业技术学院 信息工程学院 ,浙江 金华 321017;宁波大学 信息科学与工程学院, 浙江 宁波 315211;上海交通大学 电子信息与电气学院,上海 200240
文献出处：
引用格式：
[1]陈鑫辉;王宇轩;张跃军;刘钢;刘子坚-.基于忆阻器的多模式识别CNN电路设计)[J].实验技术与管理,2022(10):75-79,85
A类：
EMNIST,超越冯诺依曼架构
B类：
忆阻器,多模式,模式识别,电路设计,类脑计算,识别对象,类脑芯片,存算一体架构,案首,多阻态,可重构,量化方法,训练速度,阵列结构,Fashion,多种模式,LTP,突触可塑性,硬件电路,识别率高,高斯噪声,抗干扰能力,神经形态计算
AB值：
0.329171
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
