By this author

Training of a Spiking Neural Network with Consideration of Memristive Crossbar Array Characteristics

Issue number 4 from 20.05.2025

Разработаны модель, методика и программные средства моделирования импульсной нейронной сети в режиме обучения с учетом особенностей функционирования мемристивных кроссбар-массивов. Исследовано влияние падений напряжения на межсоединениях, дискретного шага перестройки уровней проводимости мемристивных элементов и нелинейности их вольт-амперных характеристик на эффективность исполнения алгоритмов обучения импульсной нейронной сети. Получены результаты тестирования импульсной нейронной сети в режиме обучения и инференс-режиме в задаче распознавания изображений с применением разработанной методики моделирования с учетом характеристик экспериментально изготовленных мемристивных структур.

72 0

HARDWARE IMPLEMENTATION OF AN ASYNCHRONOUS ANALOG NEURAL NETWORK WITH TRAINING BASED ON UNIFIED CMOS IP BLOCKS

Issue number 4 from 15.05.2025

Представлен подход к проектированию нейроморфных электронных устройств на базе сверточных нейронных сетей с обучением методом обратного распространения ошибки, направленный на повышение энергоэффективности и производительности автономных систем. В основе разработанного подхода лежит использование компилятора топологии нейронных сетей на базе пяти базовых КМОП-блоков, предназначенных для аналоговой реализации всех вычислительных операций в режимах обучения и инференса. Разработанные кроссбар-массивы функциональных аналоговых КМОП-блоков с цифровым управлением уровнем проводимости обеспечивают выполнение операции матрично-векторного умножения в сверточном и полносвязном слоях без использования ЦАП и с применением АЦП в цепях управления весами синаптических связей только в режиме обучения. Эффективность подхода демонстрируется на примере задачи классификации цифр, решаемой с точностью 97.87% на тестовых данных с использованием разработанной модели аппаратной реализации асинхронной аналоговой нейронной сети с обучением.

58 0