检索结果-南通市图书馆

How could imperfect device properties influence the performances of spiking neural networks?

Science China(Information Sciences) 2023年第8期66卷 233-242页

作者： Jingyang CHEN Zhihao WANG Tong WANG Heming HUANG Zheyuan SHAO Zhe WANG Xin GUO State Key Laboratory of Material Processing and Die & Mould Technology School of Materials Science and EngineeringHuazhong University of Science and Technology

Spiking neural networks(SNNs) provide an efficient way to apply artificial intelligence systems on edge devices. Memristive devices with tunable conductance states can be used to emulate the functions of biological neurons and synapses and to build SNNs. In this work, fully-connected SNNs based on various memristive devices are constructed, and a hardware-compatible spike-timing-dependent plasticity(STDP)learning rule is applied to train the SNNs. Strategies are designed to suppress the overfitting problem and improve the performance of the SNNs in the case of a small training set. However, the properties of memristive devices are never perfect. The effects of imperfect device properties, e.g., asymmetric weight update, insufficient number of conductance states, and low on/off ratio, on the performance of the SNNs are elaborated.

关键词： oxides memristive devices device properties spiking neural networks neuromorphic computing

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：