朝向仿生信息处理的纳米级开关元件网络
摘要：非传统计算探索多尺度平台，将分子尺度设备连接成网络，以开发可扩展的神经形态结构，常常基于具有新功能的新材料和组件。我们回顾了一些研究不同类型开关元件的局部连接网络功能的工作，作为计算基底。特别是，我们讨论了使用非线性纳米尺度元件网络的储层计算。在传统神经形态学范式中，网络的突触权重是通过训练/学习过程来调整的。在储层计算中，非线性网络充当一个动态系统，在大状态空间中混合和传播输入信号，只有一个输出层进行训练。我们用一些例子阐明了最重要的概念，其中包括具有时间依赖和历史依赖电阻的记忆电阻网络。
作者：Zoran Konkoli and G"oran Wendin
论文ID：1311.6259
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2013-11-26