技术论文题为“神经形态模拟电路飙升强劲的芯片上的不间断学习神经网络”是由苏黎世大学和苏黎世联邦理工学院的研究人员发表。
“混合信号神经形态系统代表了一种很有前途的解决方案解决边缘领域计算任务不依赖外部的计算资源。他们强化神经网络电路进行了优化处理感官数据在线连续时间。然而,他们的低精度和高可变性会严重限制他们的表现。为了解决这个问题,提高其鲁棒性和噪声非均质性在他们的内部状态变量和外部输入信号,我们设计了芯片上与短期模拟动力学和长期学习电路三态离散化机制。包括额外的滞回停止学习机制来提高稳定性并在必要时自动禁用重量更新,使连续不间断的学习。激增,我们设计了一个神经网络与这些学习使用180纳米CMOS电路在一个原型芯片技术。模拟和测量结果从原型芯片。这些电路使大规模建设的强化具有在线学习功能的神经网络对现实世界的边缘计算任务。”
发现技术纸在这里。2023年7月出版(预印本)。
罗宾侬、阿里安娜Matteo Cartiglia Melika Payvand,和贾科莫·Indiveri。“神经形态模拟电路强劲飙升神经网络芯片上的不间断学习。”arXiv预印本arXiv: 2307.06084(2023)。
相关阅读
强化神经网络(SNN)知识中心
留下一个回复