搜索结果: 1-7 共查到“形态计算”相关记录7条 . 查询时间(0.121 秒)
中国科学院微电子所在多模态三维神经形态计算领域取得重要进展（图）
三维神经 形态计算 微电子
2024/2/28
微电子所重点实验室刘明院士团队设计了一种新的3D垂直RRAM阵列，其中不同层器件分别具有非易失性和易失性，这使得它能够构建多模态神经形态计算网络。第1层器件（字线：TiN）和第2层器件（字线：Ru）分别表现出不同的动态特性，可以用于构建多时间尺度储备池计算网络；第3层器（WL：W）表现出了多比特存储的非易失特性，可用于构建卷积神经网络和全连接网络等。第1层和第2层器件构建的多时间尺度储备池计算网络...
浙江大学微纳电子学院俞滨教授、徐杨教授团队以“神经形态计算的核心处理神经元启动电路模式”为题，在InfoMat上发表国际合作研究论文(https://onlinelibrary.wiley.com/doi/full/10.1002/inf2.12465)。InfoMat是工程与计算大学科、材料与化学大领域的前沿期刊，在相关领域的国际科研界享誉盛名。博士生李涵茜、胡加杨为论文第一作者。该成果得到国家...
南方科技大学深港微电子学院周菲迟课题组在Nano Letters发表高性能自整流忆阻器及神经形态计算应用新成果（图）
周菲迟 Nano Letters 自整流 忆阻器 神经形态计算 神经网络
2023/11/29
南方科技大学深港微电子学院副教授周菲迟团队与中科院半导体所程传同副研究员、黄北举研究员团队合作在高性能自整流忆阻器及神经形态计算领域取得重要进展。相关研究以“A Self-Rectifying Synaptic Memristor Array with Ultrahigh Weight Potentiation Linearity for a Self-Organizing-Map Neural ...
中国科学院微电子研究所等在忆阻器基神经形态计算方面取得进展（图）
忆阻器基 神经形态计算 自组织映射网络
2022/9/15
自组织映射网络（SOM，图1a），又称“Kohone网络”，是一种受大脑拓扑结构启发的功能强大的无监督学习神经网络。相比经典的多维尺度或主成分分析等线性算法，SOM具有更强大的数据聚类能力，在语言识别、文本挖掘、财务预测和医学诊断等聚类和优化问题方面展现出独特的优势。然而，基于传统CMOS硬件实现SOM受到计算相似性和确定邻域的复杂性的限制，且存在电路结构复杂、能量面积开销大、缺乏对相似度的精确计...
自组织映射网络（SOM，图1a），又称“Kohone网络”，是一种受大脑拓扑结构启发的功能强大的无监督学习神经网络。相比经典的多维尺度或主成分分析等线性算法，SOM具有更强大的数据聚类能力，在语言识别、文本挖掘、财务预测和医学诊断等聚类和优化问题方面展现出独特的优势。但基于传统CMOS硬件实现SOM受到计算相似性和确定邻域的复杂性的限制，且存在电路结构复杂、能量面积开销大、缺乏对相似度的精确计算等...
软机器人先进制作与形态计算研讨会（Workshop on Advanced Fabrication and Morphological Computation for Soft Robotics）
软机器人 先进制作 形态计算 研讨会
2017/5/23
Advances in Soft Robotics are leading to increasingly challenging designs in terms of desired geometries, material distributions, and functionality. Traditional sequential casting and additive manufac...
