面向神经形态系统的具可塑性渗流
无序系统与神经网络
2020-05-05 v3
摘要
我们发展了具可塑性渗流系统（PWP）的理论，展现出对神经形态计算有价值的特性。与两个大电极间的标准渗流不同，它们具有多个（）接口以及它们之间的指数级大量（）导电路径。这些路径由非欧姆随机电阻构成，可发生偏压诱导的非易失性改变（可塑性）。PWP 的神经形态特性包括：多值记忆、能够将输入数据转换为时空模式的高维与非线性、可调节的渐消记忆（确保输出更依赖于近期输入），以及无需大规模互连。此处功能的一些概念性示例为随机数生成、矩阵-向量乘法和联想记忆。理解 PWP 的拓扑、统计与操作开辟了一个自身领域，亟待进一步的理论与实验洞见。
引用
@article{arxiv.2004.06511,
title = {Percolation with plasticity for neuromorphic systems},
author = {V. G. Karpov and G. Serpen and Maria Patmiou},
journal= {arXiv preprint arXiv:2004.06511},
year = {2020}
}
备注
10 pages, 5 figures. arXiv admin note: substantial text overlap with arXiv:1910.10535