基于忆阻器神经网络利用突触可塑性的近似反向传播学习规则
神经与进化计算
2016-07-28 v2 新兴技术
摘要
我们描述了一种用于训练深度神经网络的反向传播算法的近似，其设计用于由忆阻器实现的突触。关键思想是用一系列脉冲来表示输入信号和反向传播的 delta 值，这些脉冲触发突触权重的多次正或负更新，并使用 min 操作代替两个信号的乘积。在计算模拟中，我们表明所提出的反向传播近似收敛良好，并可能适用于多层神经网络的忆阻器实现。
引用
@article{arxiv.1511.07076,
title = {An Approximate Backpropagation Learning Rule for Memristor Based Neural Networks Using Synaptic Plasticity},
author = {D. V. Negrov and I. M. Karandashev and V. V. Shakirov and Yu. A. Matveyev and W. L. Dunin-Barkowski and A. V. Zenkevich},
journal= {arXiv preprint arXiv:1511.07076},
year = {2016}
}
备注
21 pages, 6 figures, 1 table, title changed, manuscript thoroughly rewritten