基于高均匀性无源忆阻交叉阵列电路的多层感知机网络实现
新兴技术
2017-12-05 v1 应用物理
摘要
神经计算领域的进展依赖于使用比传统微处理器更高效的硬件。近期研究表明，混合信号集成忆阻电路，尤其是其无源（‘0T1R’）类型，可大幅提升神经形态网络性能，远超其数字对应物。然而主要障碍在于忆阻器技术相对不成熟，迄今仅展示了有限的功能。在此，我们实验演示了单隐藏层感知机分类器在混合信号集成硬件中的完整运行，该硬件由两块无源 20x20 金属氧化物忆阻交叉阵列与分立 CMOS 元件板级集成构成。所展示的多层感知机网络复杂度较先前报道的基于无源忆阻电路的功能性神经形态分类器高出近 10 倍，在使用 ex-situ 训练方法时，其分类保真度与仿真结果相差在 3% 以内。这一成功演示得益于忆阻器制备技术的改进，具体为降低了其 I-V 特性的离散性。
引用
@article{arxiv.1712.01253,
title = {Implementation of Multilayer Perceptron Network with Highly Uniform Passive Memristive Crossbar Circuits},
author = {F. Merrikh Bayat and M. Prezioso and B. Chakrabarti and I. Kataeva and D. Strukov},
journal= {arXiv preprint arXiv:1712.01253},
year = {2017}
}
备注
26 pages, 12 figures