研究数据密度对memristor交叉条架构在神经形态模式识别中的影响
1Faculty of Electrical and Electronics Engineering, Ho Chi Minh City University of Technology and Education, Ho Chi Minh City 70000, Vietnam.
Micromachines
|November 25, 2023
概括
数据密度在神经形态计算中对单一memristor交叉杆性能产生负面影响,降低识别率. 互补的架构提供稳定的性能,这表明单个横杆需要改进低密度数据.
科学领域:
- 神经形态工程的神经形态工程
- 计算机架构 计算机架构
- 材料科学 材料科学 材料科学
背景情况:
- 二进制memristor横杆显示了大脑启发的计算的前景.
- 互补的横条数组执行Exclusive-NOR用于模式识别.
- 单条横杆在功率,面积和故障耐受性方面提供了优势.
研究的目的:
- 研究数据密度对单一memristor交叉条架构对神经形态图像识别的影响.
- 在不同的数据密度下比较单一和互补的memristor交叉条架构的性能.
- 识别单一memristor交叉杆架构的局限性,并建议对其进行改进.
主要方法:
- 从Exclusive-NOR函数中数学推导数据密度对单一memristor架构的影响.
- 电路模拟用于验证数学模型.
- 在0.25,0.5和0.75.5的数据密度下测试使用32x32图像的互补和单个横杆架构.
主要成果:
- 数据密度会对单个memristor交叉杆性能产生负面影响,随着密度的下降,输出电流会减少.
- 互补的memristor交叉杆架构保持稳定的输出电流,无论数据密度如何.
- 在0.25的数据密度下,单个横杆显示出输出电流比补充架构减少了四倍,影响了识别准确性.
结论:
- 单一的memristor交叉条架构对图像数据密度敏感,与互补架构不同.
- 低数据密度显著降低了单个memristor横杆的性能和识别率.
- 改进,例如添加常数项,对于单条横条架构来说是必要的,以便在神经形态应用中有效处理低密度图像.
