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

• ELICIT: LLM Augmentation via External In-Context Capability [16.237679215248196]
  algは2つのモジュールからなるフレームワークで、タスクベクトルを効果的に保存し再利用する。 algは、モデル機能の適応的な適用を可能にするプラグイン・アンド・プレイパフォーマンス・ブースターとして機能する。
  論文  参考訳（メタデータ） (2024-10-12T03:19:06Z)
• Deep Learning of Dynamic Systems using System Identification Toolbox(TM) [1.7537651436360189]
  ツールボックスは、自動エンコーディング機能で拡張可能なニューラルステートスペースモデルを提供する。 このツールボックスには、最先端の機械学習技術との統合を深める他のいくつかの拡張が含まれている。
  論文  参考訳（メタデータ） (2024-09-11T21:54:17Z)
• A Multimodal Automated Interpretability Agent [63.8551718480664]
  MAIAは、ニューラルモデルを使用して、ニューラルモデル理解タスクを自動化するシステムである。 まず、画像の学習表現における(ニューロンレベルの)特徴を記述できるMAIAの能力を特徴付ける。 次に、MAIAは、刺激的な特徴に対する感度の低下と、誤分類される可能性のある入力を自動的に識別する2つの追加の解釈可能性タスクに役立てることができることを示す。
  論文  参考訳（メタデータ） (2024-04-22T17:55:11Z)
• Neural Clustering based Visual Representation Learning [61.72646814537163]
  クラスタリングは、機械学習とデータ分析における最も古典的なアプローチの1つである。 本稿では,特徴抽出をデータから代表者を選択するプロセスとみなすクラスタリング(FEC)による特徴抽出を提案する。 FECは、個々のクラスタにピクセルをグループ化して抽象的な代表を配置し、現在の代表とピクセルの深い特徴を更新する。
  論文  参考訳（メタデータ） (2024-03-26T06:04:50Z)
• 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)
• 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)
• 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。