論文の概要: A tool for emulating neuromorphic architectures with memristive models
and devices
- arxiv url: http://arxiv.org/abs/2207.07987v1
- Date: Sat, 16 Jul 2022 17:30:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-20 07:27:43.564521
- Title: A tool for emulating neuromorphic architectures with memristive models
and devices
- Title(参考訳): メmriモデルとデバイスを用いたニューロモルフィック・アーキテクチャのエミュレートツール
- Authors: Jinqi Huang, Spyros Stathopoulos, Alex Serb, Themis Prodromakis
- Abstract要約: メムリスタモデルを用いて、幅広いニューロモルフィックアーキテクチャをエミュレートできるユーザフレンドリーなソフトウェア基盤を提案する。
このツールの汎用性は、使用済みmmristorおよびNeuronal Modelのパラメータをカスタマイズする機能を通じて示される。
また,本ツールを用いて,本ツールを用いて,シリコン内における概念のエミュレートを行う方法を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Memristors have shown promising features for enhancing neuromorphic computing
concepts and AI hardware accelerators. In this paper, we present a
user-friendly software infrastructure that allows emulating a wide range of
neuromorphic architectures with memristor models. This tool empowers studies
that exploit memristors for online learning and online classification tasks,
predicting memristor resistive state changes during the training process. The
versatility of the tool is showcased through the capability for users to
customise parameters in the employed memristor and neuronal models as well as
the employed learning rules. This further allows users to validate concepts and
their sensitivity across a wide range of parameters. We demonstrate the use of
the tool via an MNIST classification task. Finally, we show how this tool can
also be used to emulate the concepts under study in-silico with practical
memristive devices via appropriate interfacing with commercially available
characterisation tools.
- Abstract(参考訳): Memristorsはニューロモルフィックコンピューティングの概念とAIハードウェアアクセラレータを拡張できる有望な機能を示している。
本稿では,メムリスタモデルを用いて,幅広いニューロモルフィックアーキテクチャをエミュレート可能なユーザフレンドリーなソフトウェア基盤を提案する。
このツールは、オンライン学習とオンライン分類タスクにmemristorsを利用する研究に力を与え、トレーニングプロセス中のmemristor抵抗状態の変化を予測する。
このツールの汎用性は、使用済みのmemristorやニューロンモデルや使用済みの学習ルールでパラメータをカスタマイズする機能を通じて示される。
これにより、ユーザーは幅広いパラメータで概念とその感受性を検証することができる。
本稿では,mnist分類タスクによるツールの使用例を示す。
最後に,本ツールは,市販のキャラクタリゼーションツールとの適切なインターフェースを通じて,実用的memristiveデバイスを用いて,in-silicoで研究中の概念をエミュレートする上でも利用できることを示す。
関連論文リスト
- User Friendly and Adaptable Discriminative AI: Using the Lessons from
the Success of LLMs and Image Generation Models [0.6926105253992517]
我々は、ユーザが差別的なモデルで作業できる新しいシステムアーキテクチャを開発した。
我々のアプローチは、信頼、ユーザーフレンドリさ、そしてこれらの多目的だが伝統的な予測モデルの適応性を改善することに影響を及ぼす。
論文 参考訳(メタデータ) (2023-12-11T20:37:58Z) - Learning Reusable Manipulation Strategies [86.07442931141634]
人間は「トリック」を習得し、一般化する素晴らしい能力を実証する
本稿では,機械が1つの実演と自己演奏によってこのような操作スキルを習得することを可能にするフレームワークを提案する。
これらの学習メカニズムとサンプルは、標準的なタスクやモーションプランナにシームレスに統合できる。
論文 参考訳(メタデータ) (2023-11-06T17:35:42Z) - Making Language Models Better Tool Learners with Execution Feedback [36.30542737293863]
ツールは、人間が環境を理解し、形を変えることができる重要なインターフェースとして機能する。
既存のツール学習手法は、ツールを無差別に活用するために大きな言語モデルを誘導する。
ツール実行からのフィードバックを通じてモデルを継続的に学習することを可能にする2段階のエンドツーエンドフレームワークであるTool leaRning wIth exeCution fEedback (TRICE)を提案する。
論文 参考訳(メタデータ) (2023-05-22T14:37:05Z) - Planning for Learning Object Properties [117.27898922118946]
我々は、物体特性を象徴的な計画問題として認識するために、ニューラルネットワークを自動的に訓練する問題を定式化する。
トレーニングデータセット作成と学習プロセスを自動化するための戦略を作成するために,計画手法を使用します。
シミュレーションと実環境の両方で実験的な評価を行う。
論文 参考訳(メタデータ) (2023-01-15T09:37:55Z) - Exploiting Features and Logits in Heterogeneous Federated Learning [0.2538209532048866]
フェデレーテッド・ラーニング(FL)は、エッジデバイスの管理を容易にすることで、共有モデルを協調的にトレーニングする。
本稿では,特徴量とロジットを管理することによって異種クライアントモデルをサポートする新しいデータフリーFL法を提案する。
Feloとは異なり、サーバはVeroに条件付きVAEを持ち、これは中レベルの機能をトレーニングし、ラベルに従って合成機能を生成するために使用される。
論文 参考訳(メタデータ) (2022-10-27T15:11:46Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳(メタデータ) (2022-07-20T07:32:02Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳(メタデータ) (2021-12-22T14:45:37Z) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳(メタデータ) (2021-06-17T17:26:31Z) - TANGO: Commonsense Generalization in Predicting Tool Interactions for
Mobile Manipulators [15.61285199988595]
タスク固有のツール相互作用を予測するための新しいニューラルモデルであるTANGOを紹介します。
TANGOは、グラフニューラルネットワークを使用して、オブジェクトとそれらの間のシンボリックな関係からなる世界状態をエンコードする。
知識ベースから学習した組込みによる環境表現の強化により,新しい環境に効果的に一般化できることを示す。
論文 参考訳(メタデータ) (2021-05-05T18:11:57Z) - One to Many: Adaptive Instrument Segmentation via Meta Learning and
Dynamic Online Adaptation in Robotic Surgical Video [71.43912903508765]
MDALは、ロボット支援手術における機器セグメンテーションのための動的オンライン適応学習スキームです。
ビデオ固有のメタ学習パラダイムを通じて、楽器の一般的な知識と高速適応能力を学ぶ。
2つのデータセットで他の最先端のメソッドよりも優れています。
論文 参考訳(メタデータ) (2021-03-24T05:02:18Z) - Modular approach to data preprocessing in ALOHA and application to a
smart industry use case [0.0]
データ前処理と変換パイプラインをサポートするために、ALOHAツールフローに統合されたモジュラーアプローチに対処する。
提案手法の有効性を示すために,キーワードスポッティングのユースケースに関する実験結果を示す。
論文 参考訳(メタデータ) (2021-02-02T06:48:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。