Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2016 - zeszyt 4

Synthesis and Analysis of a Memristor-Based Perceptron for Logical Function Emulation

10.15199/48.2016.04.06

nr katalogowy: 97584
10.15199/48.2016.04.06

The purpose of this research is to propose a new memristor-based synaptic device for use in perceptrons. A synaptic circuit made by two memristors is analyzed and a linear relationship between time and synaptic weight is obtained for rectangular input pulses. For adjusting the synaptic weight pulses with long duration and high magnitude are used. The operating input signals are with short duration and low amplitude to avoid altering the memristor state. A successful operation of the new memristor linear synapse is established after scaling the synaptic weight. Streszczenie. W pracy zaproponowano nowe urządzenie synaptyczne bazujące na memristorze, które można użyć w perceptronach. Przeanalizowano obwód synaptyczny zbudowany z dwóch memristorów i dla prostokątnych impulsów wejściowych uzyskano liniowe zależności pomiędzy czasem a wagą synaptyczną. W celu dopasowania wag synaptycznych użyto impulsów o długim czasie trwania i dużej amplitudzie. Sygnały wejściowe posiadają krótki czas trwania oraz małą amplitudę w celu uniknięcia zmiany stanu memristora. Po wyskalowaniu wagi synaptycznej uzyskano skuteczne działanie nowego memristora. (Synteza i analiza perceptronu opartego na memristorze dla emulacji funkcji logicznej) Keywords: memristor, synaptic weight, perceptron, activation function. Słowa kluczowe: memristor, waga synaptyczna, perceptron, funkcja aktywacyjna. Introduction The artificial neural network simulates the structure, the processing methods and the system operation of biological neural system [1]. Many researches are attracted by neural networks advantages and applications - good performance, parallel processing, self learning, self adapting and fault tolerance. The perceptron is simplest kind of neural network, it is a nonlinear neuron and it can implement basic learning and parallel processing and also it can emulate simple logical functions [2, 3]. For the classical neurons CMOS weighting circuits and software implementa[...]

Bibliografia

[1] Wang, L., M. Duan, S. Duan. Memristive Perceptron for Combinational Logic Classification. Hindawi Publishing Corporation, Mathematical Problems in Engineering, Vol. 2013, Article ID 625790, pp. 1 - 7, DOI:10.1155/2013/625790.
[2] Fausett, L. Fundamentals of Neural Networks. Prentice Hall, 1994, ISBN 0130422509.
[3] Haykin, S. Neural Networks: A Comprehensive Foundation. 2- nd edition, Prentice Hall, 1999, ISBN 0132733501.
[4] Sah, M., C. Yang, H. Kim, T. Roska, L. Chua. Memristor Bridge Circuit for Neural Synaptic Weighting. 13th International Workshop on Cellular Nanoscale Networks and Their Applications (CNNA), IEEE, pp. 1 - 5, DOI: 10.1109/CNNA.2012.6331434, 2012.
[5] Jo, S., T. Chang, I. Ebong, B. Bhadviya, P. Mazumder, W. Lu. Nanoscale Memristor Device as Synapse in Neuromorphic Systems. NanoLetters, American Chemical Society, 2010, pp. 1297 - 1301, DOI: 10.1021/nl904092h.
[6] Kim, Y., K. Min. Synaptic Weighting Circuits for Cellular Neural Networks. 13th International Workshop on Cellular Nanoscale Networks and Their Applications (CNNA), IEEE, pp. 1 - 6, DOI: 10.1109/CNNA.2012.6331430.
[7] Chua, L. O. Memristor - The Missing Circuit Element. IEEE Trans. on Circuit Theory, Vol. CT-18, pp. 507-519, September (1971), DOI 10.1109/TCT.1971.1083337.
[8] Strukov, D. B., G. S. Snider, D. R. Stewart, R. S. Williams. The missing memristor found. Nature, 06932, Vol. 453, pp. 80 - 83, (2008), DOI:10.1038/nature06932.
[9] Corinto, F., A. Ascoli. A boundary condition-based approach to the modeling of memristor nanostructures. IEEE Transactions on circuits and systems - I, Regular papers, Vol. 59, Issue 11, ISSN 1549 - 8328, pp. 2713 - 2726, November (2012).
[10] Walsh, A., Carley, R., Feely, O., Ascoli, A. Memristor circuit investigation through a new tutorial toolbox. 2013 European Conference on Circuit Theory and Design (ECCTD), IEEE, DOI: 10.1109/ECCTD.2013.6662261, pp. 1 - 4.
[11] Wen, S., Z. Zeng, T. Huang, X. Yu. Noise cancellation of memristive neural networks. Neural Networks 60, Elsevier, pp. 74 - 83, 2014, DOI: 10.1016/j.neunet.2014.07.014.
[12] Thomas, A. Memristor-Based Neural Networks. Journal of Physics D: Applied Physics 46, pp. 1 - 12, 2013, DOI: 10.1088/0022-3727/46/9/093001.
[13] Adhikari, S., C. Yang, H. Kim, L. Chua. Memristor Bridge Synapse-Based Neural Network and Its Learning. IEEE Transactions on Neural Networks and Learning Systems, Vol. 23, 2012, pp. 1426 - 1435.
[14] The MathWorks, Inc. Neural Network Toolbox TM User’s Guide. MATLAB, Release 2009a.
[15] Chu, M., Kim, B., Park, S., Hwang, H., Jeon, M., Lee, B. H, Lee, B. G. Neuromorphic Hardware System for Visual Pattern Recognition With Memristor Array and CMOS Neuron. IEEE Transactions on Industrial Electronics, Vol. 62, No. 4, April 2015, DOI: 10.1109/TIE.2014.2356439, pp. 2410 - 2419.
[16] Hu, M., Li, H., Chen, Y., Wu, Q., Rose, G., Linderman, R. Memristor Crossbar-Based Neuromorphic Computing System: A Case Study. IEEE Transactions on Neural Networks and Learning Systems, Vol. 25, No. 10, October 2014, DOI: 10.1109/TNNLS.2013.2296777 pp. 1864 - 1878.
[17] Sheri, A., Hwang, H., Jeon, M., Lee, B. Neuromorphic Character Recognition System With Two PCMO Memristors as a Synapse. IEEE Transactions on Industrial Electronics, Vol. 61, No. 6, June 2014, pp. 2933 - 2941, DOI: 10.1109/TIE.2013.2275966.
[18] Cai, W., Ellinger, F., R. Tetzlaff. Neuronal Synapse as a Memristor: Modeling Pair- and Triplet-Based STDP Rule. IEEE Trans. on Biomedical Circuits and Systems, Vol. 9, No. 1, 2015, pp. 87 - 95, DOI: 10.1109/TBCAS.2014.2318012.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 44287 "Stereologiczna metoda wyz..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


HUTNIK - WIADOMOŚCI HUTNICZE - e-zeszyt (pdf) 2009-5 licencja: Osobista Produkt cyfrowy	32.00 zł

Prenumerata

HUTNIK - WIADOMOŚCI HUTNICZE - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

400.00 zł

HUTNIK - WIADOMOŚCI HUTNICZE - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
HUTNIK - WIADOMOŚCI HUTNICZE - papierowa prenumerata roczna	540.00 zł brutto 500.00 zł netto 40.00 zł VAT (stawka VAT 8%)
HUTNIK - WIADOMOŚCI HUTNICZE - pakowanie i wysyłka	14.00 zł brutto 11.38 zł netto 2.62 zł VAT (stawka VAT 23%)

554.00 zł

HUTNIK - WIADOMOŚCI HUTNICZE - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
HUTNIK - WIADOMOŚCI HUTNICZE - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	600.00 zł brutto 555.56 zł netto 44.44 zł VAT (stawka VAT 8%)

600.00 zł

Zeszyt

2016-4

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma