論文の概要: Local stochastic computing using memristor-enabled stochastic logics
- arxiv url: http://arxiv.org/abs/2402.16908v1
- Date: Sun, 25 Feb 2024 06:23:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 19:11:44.374619
- Title: Local stochastic computing using memristor-enabled stochastic logics
- Title(参考訳): memristor対応確率論理を用いた局所確率計算
- Authors: Lekai Song, Pengyu Liu, Jingfang Pei, Yang Liu, Songwei Liu, Shengbo
Wang, Leonard W. T. Ng, Tawfique Hasan, Kong-Pang Pun, Shuo Gao, Guohua Hu
- Abstract要約: メムリスタとメムリスタスイッチングを用いた信頼性論理を開発する。
実用的な応用として、エッジ検出のためのコンパクトなロバーツクロス演算子を設計する。
- 参考スコア(独自算出の注目度): 5.540430069344465
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stochastic computing offers a probabilistic approach to address challenges
posed by problems with uncertainty and noise in various fields, particularly
machine learning. The realization of stochastic computing, however, faces the
limitation of developing reliable stochastic logics. Here, we present
stochastic logics development using memristors. Specifically, we integrate
memristors into logic circuits to design the stochastic logics, wherein the
inherent stochasticity in memristor switching is harnessed to enable stochastic
number encoding and processing with well-regulated probabilities and
correlations. As a practical application of the stochastic logics, we design a
compact stochastic Roberts cross operator for edge detection. Remarkably, the
operator demonstrates exceptional contour and texture extractions, even in the
presence of 50% noise, and owning to the probabilistic nature and compact
design, the operator can consume 95% less computational costs required by
conventional binary computing. The results underscore the great potential of
our stochastic computing approach as a lightweight local solution to machine
learning challenges in autonomous driving, virtual reality, medical diagnosis,
industrial automation, and beyond.
- Abstract(参考訳): 確率コンピューティングは、様々な分野、特に機械学習における不確実性やノイズによる問題に対処する確率論的アプローチを提供する。
しかし、確率計算の実現は、信頼性のある確率論理の開発の限界に直面している。
本稿では,メムリスタを用いた確率論理の開発について述べる。
具体的には、メムリスタを論理回路に統合して確率論理を設計し、メムリスタスイッチングの固有の確率性を利用して確率数符号化と処理を適切に制御された確率と相関で実現する。
確率論理の実用的な応用として,エッジ検出のためのコンパクトな確率ロバーツクロス作用素を設計する。
顕著なことに、オペレータは50%のノイズの存在下でも例外的な輪郭とテクスチャ抽出を示し、確率的性質とコンパクトな設計を所有することで、従来のバイナリコンピューティングで必要とされる計算コストを95%削減することができる。
この結果は、自動運転車、仮想現実、医療診断、産業自動化などにおける機械学習の課題に対する、軽量なローカルソリューションとしての、確率コンピューティングアプローチの大きな可能性を強調している。
関連論文リスト
- Synaptic Sampling of Neural Networks [0.14732811715354452]
本稿では,重みをBernoulliのコインフリップとして扱うことで,ニューラルネットワークを直接サンプリング可能にする,skANNテクニックについて説明する。
論文 参考訳(メタデータ) (2023-11-21T22:56:13Z) - Formal Controller Synthesis for Markov Jump Linear Systems with
Uncertain Dynamics [64.72260320446158]
マルコフジャンプ線形系に対する制御器の合成法を提案する。
本手法は,MJLSの離散(モードジャンピング)と連続(確率線形)の両方の挙動を捉える有限状態抽象化に基づいている。
本手法を複数の現実的なベンチマーク問題,特に温度制御と航空機の配送問題に適用する。
論文 参考訳(メタデータ) (2022-12-01T17:36:30Z) - Stochastic Neuromorphic Circuits for Solving MAXCUT [0.6067748036747219]
グラフの最大カット(MAXCUT)を見つけることは、並列アルゴリズム開発を動機づけた古典的な最適化問題である。
ニューロモルフィックコンピューティングは、ニューラルシステムの組織原理を使って、新しい並列コンピューティングアーキテクチャを刺激する。
論文 参考訳(メタデータ) (2022-10-05T22:37:36Z) - Adaptive n-ary Activation Functions for Probabilistic Boolean Logic [2.294014185517203]
マッチングやアリティ向上の活性化関数を用いて,任意の論理を単一層で学習できることが示される。
我々は,非ゼロパラメータの数を信念関数の有効アリティに直接関連付ける基礎を用いて,信念表を表現する。
これにより、パラメータの間隔を誘導することで論理的複雑性を低減する最適化アプローチが開かれる。
論文 参考訳(メタデータ) (2022-03-16T22:47:53Z) - Learning Model Checking and the Kernel Trick for Signal Temporal Logic
on Stochastic Processes [1.2708506121941319]
信号時間論理(STL)の論理式に類似性関数を導入する。
対応するカーネルトリックにより、特徴抽出の複雑なプロセスを回避できます。
本研究では,STL式に対する満足度を(定量的に)予測する作業において,この結果とその利点を実証する。
論文 参考訳(メタデータ) (2022-01-24T19:36:11Z) - Logical blocks for fault-tolerant topological quantum computation [55.41644538483948]
本稿では,プラットフォームに依存しない論理ゲート定義の必要性から,普遍的なフォールトトレラント論理の枠組みを提案する。
資源オーバーヘッドを改善するユニバーサル論理の新しいスキームについて検討する。
境界のない計算に好適な論理誤差率を動機として,新しい計算手法を提案する。
論文 参考訳(メタデータ) (2021-12-22T19:00:03Z) - Logical Credal Networks [87.25387518070411]
本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。
本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
論文 参考訳(メタデータ) (2021-09-25T00:00:47Z) - Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。
本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文 参考訳(メタデータ) (2021-05-17T08:36:18Z) - Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。
我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。
主アルゴリズムの正確性と収束性を保証する。
論文 参考訳(メタデータ) (2021-02-01T01:13:03Z) - Efficient semidefinite-programming-based inference for binary and
multi-class MRFs [83.09715052229782]
分割関数やMAP推定をペアワイズMRFで効率的に計算する手法を提案する。
一般のバイナリMRFから完全多クラス設定への半定緩和を拡張し、解法を用いて再び効率的に解けるようなコンパクトな半定緩和を開発する。
論文 参考訳(メタデータ) (2020-12-04T15:36:29Z) - Relational Neural Machines [19.569025323453257]
本稿では,学習者のパラメータと一階論理に基づく推論を共同で学習するフレームワークを提案する。
ニューラルネットワークは、純粋な準記号学習の場合の古典的な学習結果とマルコフ論理ネットワークの両方を復元することができる。
適切なアルゴリズム解は、大規模な問題において学習と推論が引き出すことができるように考案されている。
論文 参考訳(メタデータ) (2020-02-06T10:53:57Z)
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。