借用模拟技术的人工神经网络的实现可能会为完全数字方法提供低功耗替代方案1,2,3 。一个值得注意的例子是基于非易失性记忆的横杆阵列中的内存计算4,5,6,7 ，该阵列以模拟方式执行 ，在人工神经网络中普遍存在多重累积的操作 。各种非易失性记忆 - 包括电阻内存8,9,10,11,12,13，相变内存14,15和闪存存储器16,17,18,19-用于此类方法。然而，尽管技术的实用优势 ，例如耐力和大规模商业化5。难度源于MRAM的低电阻 ，这将导致传统的横杆阵列中的大量功耗，该横梁阵列使用当前的求和来进行模拟多重 - 蓄能操作 。在这里 ，我们报告了基于MRAM细胞的64×64横杆阵列 ，该横梁基于MRAM细胞，通过使用电阻求和来克服低电阻问题 ，该体系使用电阻求和用于模拟多重 - 累积的操作 。该阵列与28纳米互补的金属 - 氧化物 - 氧化流动器技术中的读数电子设备集成。使用此阵列 ，实施了两层感知器，以对10,000个改良的国家标准数字研究所进行分类 ，准确度为93.23％（软件基线：95.24％） 。在模仿具有测量误差的更深层 ，八层视觉几何组-8神经网络中，分类精度提高到98.86％（软件基线：99.28％） 。我们还使用该数组在十层神经网络中实现单层 ，以实现93.4％的面部检测。
本文来自作者[admin]投稿，不代表东辰文化立场，如若转载，请注明出处：http://www.mzwhys.cn/zlan/202506-1982.html
评论列表（4条）
我是东辰文化的签约作者“admin”！
希望本篇文章《用于内存计算的磁磁性内存设备的横梁阵列》能对你有所帮助！
本站[东辰文化]内容主要涵盖：生活百科,小常识,生活小窍门,知识分享
本文概览： 借用模拟技术的人工神经网络的实现可能会为完全数字方法提供低功耗替代方案1,2,3。一个值得注意的例子是基于非易失性记忆的横杆阵列中的内存计算4,5,6,7，该阵列以模拟方式...