苏黎世大学、苏黎世联邦理工学院(ETH Zurich)、Université格勒诺布尔阿尔卑斯(Grenoble Alpes)、CEA、Leti和Toshiba的研究人员刚刚发表了一篇题为“用于序列学习的非同质记忆硬件的自组织”的新技术论文。
“我们设计并实验演示了一种自适应硬件架构记忆自组织峰值循环神经网络(MEMSORN)。MEMSORN在其突触和神经元中结合了电阻存储器(RRAM)，它们分别基于Hebbian和稳态可塑性来配置它们的状态，”论文摘要说。
找到这里是技术文件．2022年10月出版。
Payvand, M.， Moro, F.， Nomura, K.等。用于序列学习的非齐次记忆硬件的自组织。Nat Commun 13,5793(2022)。https://doi.org/10.1038/s41467 - 022 - 33476 - 6。
相关阅读
spike Neural Network (SNN)知识中心
神经形态计算:挑战，机遇，包括材料，算法，设备和伦理
MEMprop:基于梯度的学习来训练全记忆snn
降低人工智能能耗的11种方法
将人工智能推向边缘需要新的架构、工具和方法。
Imec的计算路线图;美国对华为为目标;美印。特遣部队;China-Bolivia交易;布鲁克揭开了白光干涉测量系统;三星量化可持续性;麦肯锡指出了美国晶圆厂建设的问题;发光二极管。
留下回复