統合されたニューロモーフィックネットワークの訓練と操作 BASEDON金属oxidememristorsの分析
2015は、物品の性質に作られました
メリットの神経形態学のためのメモリスタ：
メモリスタ構造：
IVテスト：
アレイ構造を調製する：
コンボリューションカーネルが回路に印加され、この場合、アレイは、重量を記憶することができます。
この論文では、ニューラルネットワークの訓練および試験は、一般的に、ニューラルネットワークの訓練及びテストデータセットとして3×3画素、3×3を含む二値画像30のサンプルセットのバイナリイメージで使用される、各画像は、試料10を示していますグループ合計3つのカテゴリー、すなわち、Z、V、n及び部分的に破損している画像に分割されます。トレーニングサイクルグラフ30、トレーニング文字Z、中間体10ピクチャーのV字前グラフ10におけるネットワークの訓練は、最後の画像は、nは10個の文字を示しています。理想的には、第一のタイプの入力、即ち、文字Zの画像は、出力ニューロンの最初の値は、第2および第3の出力値よりも大きくなければなりません。これに類似した第二及び第三のタイプの入力。試験のために使用される学習サンプルと一致して、システムへの入力のいずれかが正しい分類結果に到達する必要があり、連続的な入力は、図30は、図の各それぞれの一つ正しい分類結果に対して同じであることができます。
モデル：
ニューラルネットワークのハードウェアモジュールのニューロンは、基本モジュールの中で最も重要です。3×3の画素の二値画像では、例えば、図訓練サンプルに対応する各画素に考慮入力ニューロンを取って、入力層10個のニューロンを有しています。前記第一の入力オフセット電圧値が、値は、-1に設定九時に対応する画素が黒であり、入力値1、白画素をそれぞれ9個のニューロン続いて、入力値が-1
「Z」の動作を入力します。
その重みを増加させるべきである（左の表に「+」でマーク）調整されるシナプス、すなわち、メモリスタconductancesG1,1 +、G1,2 +、G1,5 +、G1,6 +及びG1、 9+増加しています
許容正しい出力レートに達し、約20回のトレーニング。
上記の出力。
その補足を示し、需要やご質問の場合、
メモリスタとパターン認識に関する補足リンク：https://fgk.pw/i/qZJdetl4336