基于忆阻器的深度卷积神经网络：一项案例研究
神经与进化计算
2018-10-05 v1 新兴技术
机器学习
机器学习
摘要
在本文中，我们首次介绍了一种利用基于实际忆阻器的电路元件高效实现大规模高维卷积的方法。我们采用了一个经实验验证的模拟器来精确预测模拟交叉阵列的行为。我们开发了一种改进的转换算法，将卷积核转换为基于忆阻器的电路，该算法在考虑 CNN 中数据和核模式的情况下使误差最小化。通过对 ResNet-20 中所有卷积层进行电路仿真，我们发现需要 8 位 ADC/DAC 来保持软件级别的分类精度。
引用
@article{arxiv.1810.02225,
title = {Memristor-based Deep Convolution Neural Network: A Case Study},
author = {Fan Zhang and Miao Hu},
journal= {arXiv preprint arXiv:1810.02225},
year = {2018}
}