典型文献
基于磁性隧道结的群体编码实现无监督聚类
文献摘要：
利用新型材料器件发展类脑计算硬件研究的关键问题是发展出合适的算法,能够发挥新器件的特点和优势.群体编码是生物神经系统常见的编码方式,能够有效去除噪音,实现短时程记忆及复杂的非线性映射功能.本文选择自旋电子学器件中研究较多、工艺较成熟的磁性隧道结,应用其可调控的随机动力学实现群体编码.作为一个应用的例子,超顺磁隧道结构建的二层脉冲神经网络成功完成了鸢尾花数据集的无监督聚类.数值仿真表明基于磁性隧道结的群体编码可以有效对抗器件的非均一性,为类脑计算硬件研究提供重要的参考.
文献关键词：
磁性隧道结;群体编码;脉冲神经网络;无监督学习
中图分类号：
作者姓名：
张亚君;蔡佳林;乔亚;曾中明;袁喆;夏钶
作者机构：
北京师范大学物理学系, 高等量子研究中心, 北京 100875;中国科学院苏州纳米技术与纳米仿生研究所, 苏州 215123;北京计算科学研究中心, 北京 100193
文献出处：
引用格式：
[1]张亚君;蔡佳林;乔亚;曾中明;袁喆;夏钶-.基于磁性隧道结的群体编码实现无监督聚类)[J].物理学报,2022(14):191-198
A类：
磁性隧道结,群体编码,鸢尾花数据集
B类：
无监督聚类,新型材料,料器,类脑计算,计算硬件,生物神经系统,编码方式,除噪,噪音,短时程,忆及,非线性映射,自旋电子学,中研,可调控,随机动力学,例子,隧道结构,二层,脉冲神经网络,均一性,无监督学习
AB值：
0.263694
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。
