7,129
个编辑
更改
跳到导航
跳到搜索
第97行：
第97行： − + 第111行：
第111行： +
→神经忆阻系统
==神经忆阻系统==
==神经忆阻系统==
神经忆阻系统是神经形态计算系统的一个亚类，主要研究利用忆阻器 Memristors实现神经可塑性 Neuroplasticity。神经形态工程的重点是模拟生物行为，而神经忆阻系统的重点是提取。<ref name=":33">{{Cite web|url=https://digitalops.sandia.gov/Mediasite/Play/a10cf6ceb55d47608bb8326dd00e46611d|title=002.08 N.I.C.E. Workshop 2014: Towards Intelligent Computing with Neuromemristive Circuits and Systems - Feb. 2014|website=digitalops.sandia.gov|access-date=2019-08-26}}</ref>举个例子，一个神经忆阻系统可能用抽象的神经网络模型替代'''<font color="ff8000">皮层Cortical'''微电路的行为细节。<ref name=":34">C. Merkel and D. Kudithipudi, "Neuromemristive extreme learning machines for pattern classification," ISVLSI, 2014.</ref>
神经忆阻系统是神经形态计算系统的一个亚类，主要研究利用忆阻器 Memristors实现神经可塑性 Neuroplasticity。神经形态工程的重点是模拟生物行为，而神经忆阻系统的重点是提取。<ref name=":33">{{Cite web|url=https://digitalops.sandia.gov/Mediasite/Play/a10cf6ceb55d47608bb8326dd00e46611d|title=002.08 N.I.C.E. Workshop 2014: Towards Intelligent Computing with Neuromemristive Circuits and Systems - Feb. 2014|website=digitalops.sandia.gov|access-date=2019-08-26}}</ref>举个例子，一个神经忆阻系统可能用抽象的神经网络模型替代皮层微电路的行为细节。<ref name=":34">C. Merkel and D. Kudithipudi, "Neuromemristive extreme learning machines for pattern classification," ISVLSI, 2014.</ref>
Caravelli-Traversa-Di Ventra方程是描述物理记忆网络和外部源性质的函数。在上述方程中，<math>\alpha</math>是“遗忘”时间尺度常数，<math>\xi=r-1</math>，<math>r =\frac{R\text_{off}}{R_\text{on}}</math>是记忆电阻器off状态和on状态极限电阻值之比，<math>\vec S</math>是电路源的矢量，<math>\Omega</math>是电路基本环路的投影。常数<math>\beta</math>具有电压的量纲，与记忆电阻器的特性有关；其物理原型是导体中的电荷迁移率。对角矩阵和向量 <math>W=\operatorname{diag}(\vec W)</math>和<math>\vec W</math> '''<font color="#32CD32">分别是忆阻器的内阻'''，值在0到1之间。因此，这个等式需要在'''<font color="32CD32">内存值'''上添加额外约束以保证可靠性。
Caravelli-Traversa-Di Ventra方程是描述物理记忆网络和外部源性质的函数。在上述方程中，<math>\alpha</math>是“遗忘”时间尺度常数，<math>\xi=r-1</math>，<math>r =\frac{R\text_{off}}{R_\text{on}}</math>是记忆电阻器off状态和on状态极限电阻值之比，<math>\vec S</math>是电路源的矢量，<math>\Omega</math>是电路基本环路的投影。常数<math>\beta</math>具有电压的量纲，与记忆电阻器的特性有关；其物理原型是导体中的电荷迁移率。对角矩阵和向量 <math>W=\operatorname{diag}(\vec W)</math>和<math>\vec W</math> '''<font color="#32CD32">分别是忆阻器的内阻'''，值在0到1之间。因此，这个等式需要在'''<font color="32CD32">内存值'''上添加额外约束以保证可靠性。
<br>
==另见==
==另见==