論文の概要: Energy-Constrained Information Storage on Memristive Devices in the Presence of Resistive Drift

• arxiv url: http://arxiv.org/abs/2501.10376v1
• Date: Mon, 16 Dec 2024 10:40:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 07:18:49.500141
• Title: Energy-Constrained Information Storage on Memristive Devices in the Presence of Resistive Drift
• Title（参考訳）: 抵抗ドリフトの存在下での機械のエネルギー制約情報ストレージ
• Authors: Waleed El-Geresy, Christos Papavassiliou, Deniz Gündüz,
• Abstract要約: エネルギー制約下での抵抗的ドリフトノイズの影響を受け, メムリスタの情報保存の問題について検討する。 我々は、経験的状態の情報寿命と、そのデバイスを特定の状態にするために必要なエネルギーとの間に、新しい基本的なトレードオフを導入する。 本稿では,画像の類似的な保存を行うためのJSCC(Joint Source-Channel code)手法を提案する。
• 参考スコア（独自算出の注目度）: 41.66366715982197
• License:
• Abstract: In this paper, we examine the problem of information storage on memristors affected by resistive drift noise under energy constraints. We introduce a novel, fundamental trade-off between the information lifetime of memristive states and the energy that must be expended to bring the device into a particular state. We then treat the storage problem as one of communication over a noisy, energy-constrained channel, and propose a joint source-channel coding (JSCC) approach to storing images in an analogue fashion. To design an encoding scheme for natural images and to model the memristive channel, we make use of data-driven techniques from the field of deep learning for communications, namely deep joint source-channel coding (DeepJSCC), employing a generative model of resistive drift as a computationally tractable differentiable channel model for end-to-end optimisation. We introduce a modified version of generalised divisive normalisation (GDN), a biologically inspired form of normalisation, that we call conditional GDN (cGDN), allowing for conditioning on continuous channel characteristics, including the initial resistive state and the delay between storage and reading. Our results show that the delay-conditioned network is able to learn an energy-aware coding scheme that achieves a higher and more balanced reconstruction quality across a range of storage delays.
• Abstract（参考訳）: 本稿では, エネルギー制約下での抵抗ドリフトノイズの影響を受け, メムリスタの情報保存の問題点について検討する。 我々は、経験的状態の情報寿命と、そのデバイスを特定の状態にするために必要なエネルギーとの間に、新しい基本的なトレードオフを導入する。 そこで我々は,この記憶問題を,ノイズの多いエネルギー制約のあるチャネル上での通信の1つとして扱うとともに,画像の類似的な保存を行うためのジョイントソースチャネル符号化(JSCC)手法を提案する。 自然画像の符号化方式を設計し,旋律チャネルをモデル化するために,深層学習の分野,すなわちディープジョイント・ソース・チャネル符号化(DeepJSCC)を用いた。 生物にインスパイアされた正規化形式である一般化分割正規化(GDN)の修正版を導入し、条件付きGDN(cGDN)と呼び、初期抵抗状態や保存と読み取りの遅延を含む連続チャネル特性の条件付けを可能にする。 以上の結果から, 遅延条件付きネットワークは, より高次かつバランスの取れた再構成品質を実現するための, エネルギーを意識した符号化方式を学習できることが示唆された。

関連論文リスト

• A Memory-Based Reinforcement Learning Approach to Integrated Sensing and Communication [52.40430937325323]
  本稿では、送信機が受信機に送信した信号をメモリ付きチャネル上で送信するISACシステムについて考察する。 オンライン方式でセンシングを行う場合,ISAC問題に対するキャパシティ・歪みトレードオフを定式化する。
  論文  参考訳（メタデータ） (2024-12-02T03:30:50Z)
• Non-Coherent Over-the-Air Decentralized Gradient Descent [0.0]
  無線システムにおける分散グラディエントDescentの実装は、ノイズ、フェーディング、帯域幅の制限により困難である。 本稿では,スケジューリング,トポロジ情報,CSIの必要性を解消するスケーラブルなDGDアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-19T19:15:34Z)
• Deep Reinforcement Learning for IRS Phase Shift Design in Spatiotemporally Correlated Environments [93.30657979626858]
  本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。 チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
  論文  参考訳（メタデータ） (2022-11-02T22:07:36Z)
• DeepJSCC-Q: Constellation Constrained Deep Joint Source-Channel Coding [6.55705721360334]
  我々は、DeepJSCC-Qが、複雑な値のチャネル入力を可能にする以前の作業と同じような性能を実現できることを示す。 DeepJSCC-Qは予測不能なチャネル条件下での画質の優雅な劣化を保っている。
  論文  参考訳（メタデータ） (2022-06-16T11:43:50Z)
• STIP: A SpatioTemporal Information-Preserving and Perception-Augmented Model for High-Resolution Video Prediction [78.129039340528]
  本稿では、上記の2つの問題を解決するために、時空間情報保存・知覚拡張モデル(STIP)を提案する。 提案モデルは,特徴抽出と状態遷移中の映像の時間的情報を保存することを目的としている。 実験結果から,提案したSTIPは,様々な最先端手法と比較して,より良好な映像品質で映像を予測できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-09T09:49:04Z)
• Error Correction Code Transformer [92.10654749898927]
  本稿では,トランスフォーマーアーキテクチャを任意のブロック長で線形符号のソフトデコードに拡張することを提案する。 我々は,各チャネルの出力次元を高次元に符号化し,個別に処理すべきビット情報のより良い表現を行う。 提案手法は、トランスフォーマーの極端なパワーと柔軟性を示し、既存の最先端のニューラルデコーダを、その時間的複雑さのごく一部で大きなマージンで上回る。
  論文  参考訳（メタデータ） (2022-03-27T15:25:58Z)
• Nonlinear Transform Source-Channel Coding for Semantic Communications [7.81628437543759]
  本稿では,非線形変換の下での音源分布に密に適応できる,高効率なディープジョイントソースチャネル符号化法を提案する。 本モデルでは, 非線形変換を強みとして組み込んで, 音源のセマンティックな特徴を効果的に抽出する。 特に、NTSCC法は、その活発なコンテンツ認識能力のために、将来的なセマンティックコミュニケーションをサポートする可能性がある。
  論文  参考訳（メタデータ） (2021-12-21T03:30:46Z)
• Energy-Efficient Model Compression and Splitting for Collaborative Inference Over Time-Varying Channels [52.60092598312894]
  本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。 提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
  論文  参考訳（メタデータ） (2021-06-02T07:36:27Z)
• Capacity-Approaching Autoencoders for Communications [4.86067125387358]
  オートエンコーダを訓練する現在のアプローチは、クロスエントロピー損失関数の使用に依存している。 本稿では,チャネル容量の推定値を計算し,それに近づく最適な符号化信号を構築する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-11T08:19:06Z)

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。