基于TFT型NOR闪存阵列与脉冲时序依赖可塑性的多突触后神经元无监督在线学习
神经与进化计算
2018-11-20 v1 新兴技术
摘要
我们提出了一种基于薄膜晶体管（TFT）型NOR闪存阵列、具有多个突触后（POST）神经元的双层全连接神经形态系统。在二值MNIST手写数据集上实现了基于脉冲时序依赖可塑性（STDP）的无监督在线学习，并通过测量POST神经元的放电率确定其识别结果。利用所提出的学习方案，我们研究了POST神经元数量对识别率的影响。在该神经形态系统中，利用侧抑制功能和稳态特性实现多个POST神经元的竞争式学习。仿真结果展示了通过STDP对全黑白MNIST手写数字的无监督在线学习，表明其在无需对输入模式进行预处理的情况下具备模式识别与分类性能。
引用
@article{arxiv.1811.07115,
title = {Unsupervised Online Learning With Multiple Postsynaptic Neurons Based on Spike-Timing-Dependent Plasticity Using a TFT-Type NOR Flash Memory Array},
author = {Soochang Lee and Chul-Heung Kim and Seongbin Oh and Byung-Gook Park and Jong-Ho Lee},
journal= {arXiv preprint arXiv:1811.07115},
year = {2018}
}
备注
6 pages, 8 figures