分层时序记忆的模拟忆阻-CMOS空间池化器电路设计中无需学习的特征提取
新兴技术
2018-03-15 v1 人工智能
硬件体系结构
神经与进化计算
摘要
分层时序记忆（HTM）是一种神经形态算法，模拟类似于新皮质工作原理的稀疏性、层次性和模块性。特征编码是创建稀疏二值模式的重要步骤。这种稀疏性由 HTM 初始化阶段的二值权重和随机权重分配引入。我们提出了一种用于 HTM 初始化阶段的替代性确定性方法，该方法将 HTM 权重连接到输入数据，并保留输入信息的自然稀疏性。此外，我们介绍了该确定性方法的硬件实现，并将其与传统 HTM 及现有的硬件实现进行了比较。我们在人脸识别问题上测试了所提出的方法，结果表明其优于传统 HTM 方法。
引用
@article{arxiv.1803.05131,
title = {Feature extraction without learning in an analog Spatial Pooler memristive-CMOS circuit design of Hierarchical Temporal Memory},
author = {Olga Krestinskaya and Alex Pappachen James},
journal= {arXiv preprint arXiv:1803.05131},
year = {2018}
}