具有可塑性的神经形态计算的渗流
摘要：具有可塑性的渗流（PWP）系统展现了神经形态功能，包括多值记忆、随机数生成、矩阵-向量乘法和联想学习。PWP系统与外部电路（电极）有多个（N >> 1）接口，允许测量N! >> 1个电极间电阻。由于基础材料的特性，它们对电脉冲的非挥发性变化进行连续修改。与现有的神经网络体系结构相比，PWP网络具有一些优势。总体而言，具有高度并行性、多输入和多输出的随机自调节PWP系统与哺乳动物大脑的皮层表现出相似性。了解它们的拓扑结构、电动力学和统计学打开了一个独立领域，需要新的理论和实验见解。
作者：V. G. Karpov and Maria Patmiou
论文ID：1910.10535
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2019-10-24