基于热力学 RAM 的皮层处理
神经与进化计算
2014-08-15 v1 新兴技术
摘要
AHaH 计算构成了一个理论框架，从中可以构建一种受生物启发的计算架构，其中存储器和处理器在物理上结合在一起，这与 von Neumann 系统不同。在本文中，我们报告了超越 AHaH 计算理论框架的增量步骤，旨在开发一种基于忆阻器的物理神经处理单元 (NPU)，我们称之为热力学 RAM (kT-RAM)。虽然这种 NPU 在机器学习应用中相对于 von Neumann 架构的功耗和速度优势已广受认可，但 Thermodynamic-RAM 相较于其他适应和学习硬件方法提供了若干优势。其益处包括通用用途、简单而灵活的指令集以及易于集成到现有数字平台中。我们提出了 kT-RAM 的高级设计及其指令集的形式化定义。我们报告了 kT-RAM 仿真器的完成情况，并成功移植了所有先前的机器学习基准应用，包括无监督聚类、有监督和无监督分类、复杂信号预测、无监督机器人驱动以及组合优化。最后，我们扩展了先前的 MNIST 手写数字基准应用，表明仅在训练阶段读取 AHaH 节点的突触状态（修复）这一额外步骤即可产生可塑性，从而提高分类器的性能，将我们要最佳的 F1 分数提升至 99.5%。
引用
@article{arxiv.1408.3215,
title = {Cortical Processing with Thermodynamic-RAM},
author = {M. Alexander Nugent and Timothy W. Molter},
journal= {arXiv preprint arXiv:1408.3215},
year = {2014}
}