×
杨斌;陈涛;陈，艾;段淑凯;王立丹

基于记忆随机计算的轻量级CNN电子鼻。 （英语） Zbl 07848325号

国际分叉混沌应用杂志。科学。工程师。 34，第3号，文章ID 2450027，14页（2024）。

MSC公司：

68季度xx 计算理论
68泰克 人工智能
94轴 通信、信息

关键词：

随机计算;记忆电阻器;电子鼻;美国有线电视新闻网
PDF格式BibTeX公司 XML格式引用
\textit{B.Yang}等人，国际分叉混沌应用。科学。Eng.34，No.3，文章ID 2450027，14 p.（2024；Zbl 07848325）
全文： 内政部

参考文献：

[1] Abdellatef，H.、Khalil-Hani，M.、Shaikh-Husin，N.和Ayat，S.O.[2022]“基于随机计算的精确紧凑卷积神经网络”，神经计算471，31-47。
[2] Alaghi，A.和Hayes，J.P.[2013]“随机计算调查”，ACM Trans。嵌入。计算。系统12，1-19。
[3] Ananthakrishnan，A.和Allen，M.G.[2020]“多层感知器分类器的全过程硬件实现”，IEEE Trans。神经网络。学习。系统32，4086-4095。
[4] Bodiwala，S.&Nanavati，N.[2021]“一种基于优化激活函数的高效随机计算深度神经网络加速器”，《国际期刊技术信息》.131179-1192。
[5] Brahim-Belhouari，S.，Bermak，A.，Shi，M.&Chan，P.C.[2005]“使用集成气体传感器技术和高斯混合模型的快速稳健气体识别系统”，IEEE Sens.J.5，1433-1444。
[6] Campbell，K.A.[2017]“用于高温操作的自定向通道记忆电阻器”，微电子。《期刊》第59卷，第10-14页。
[7] Chen，J.，Wang，L.&Duan，S.[2021]“用于电子鼻识别的混合核可变维记忆CNN”，神经计算461129-136。
[8] Chua，L.[1971]“忆阻器-缺失的电路元件”，IEEE Trans。电路理论18，507-519。
[9] Fonollosa，J.、Rodrguez-Lujn，I.和Huerta，R.[2015]“化学气体传感器阵列数据集”，《数据简报》385-89。
[10] Gaba，S.、Sheridan，P.、Zhou，J.、Choi，S.和Lu，W.[2013]“计算和神经形态应用的随机记忆装置”，纳米尺度5，5872-5878。
[11] Gaba，S.，Cai，F.，Zhou，J.&Lu，W.D.[2014a]“具有固有非线性特性的超低亚1-nA工作电流电阻存储器”，IEEE Electron Dev.Lett.351239-1241。
[12] Gaba，S.、Knag，P.、Zhang，Z.和Lu，W.[2014b]“随机计算的记忆设备”，IEEE国际交响乐团。电路与系统（ISCAS）（IEEE），第2592-2595页。
[13] Gaines，B.R.[1969]“随机计算系统”，高级信息系统。科学2，37-172·Zbl 0188.24202号
[14] Jeavons，P.、Cohen，D.A.和Shawe-Taylor，J.[1994]，“为随机计算生成二进制序列”，IEEE Trans。Inf.Theory神学40，716-720·Zbl 0832.68043号
[15] Jiang，H.，Belkin，D.，Savelev，S.E.等人[2017]“基于随机扩散记忆电阻器的新型真随机数发生器”，《国家通讯》第8882页。
[16] Kheradpisheh，S.R.和Masquelier，T.[2020]，“用每个神经元一个尖峰来尖峰神经网络的时间反向传播”，《国际神经系统杂志》，第30期，第2050027页。
[17] Knag，P.，Lu，W.&Zhang，[2014]“记忆电阻器支持的本地随机计算体系结构”，IEEE Trans。纳米技术.13283-293。
[18] Lammie，C.、Eshraghian，J.K.、Lu，W.D.和Azghadi，M.R.【2021】“用于深度学习参数优化的记忆随机计算”，IEEE Trans。电路系统-II\（：\）实验简报681650-1654。
[19] Li，B.，Qin，Y.，Yuan，B.&Lilja，D.J.[2017]“使用随机计算和面向硬件的近似激活函数的神经网络分类器”，IEEE国际计算机设计会议（ICCD）（IEEE），第97-104页。
[20] Muthuswamy，B.&Kokate，P.P.[2009]“基于忆阻器的混沌电路”，IETE技术第26版，417-429。
[21] Naous，R.，Al-Shedivat，M.&Salama，K.N.[2015]“记忆电阻器中的随机建模”，IEEE Trans。纳米技术.15，15-28。
[22] Peng，P.，Zhao，X.，Pan，X.&Ye，W.[2018]“使用深度卷积神经网络进行气体分类”，Sensors18，157。
[23] Shynk，J.J.[1990]《单层感知器的性能表面》，IEEE Trans。神经网络1，268-274。
[24] Strukov，D.B.，Snider，G.S.，Stewart，D.R.&Williams，R.S.[2008]“发现的记忆电阻器缺失”，Nature453，80-83。
[25] Sun，W.，Gao，B.，Chi，M.，Xia，Q.，Yang，J.J.，Qian，H.&Wu，H.[2019]“通过原位表征和器件建模理解记忆开关”，《国家通讯》第10卷，第3453页。
[26] Wang，Q.，Wang，X.，Lee，S.H.，Meng，F.H.&Lu，W.D.[2019]“基于平铺RRAM架构的深度神经网络加速器”，IEEE国际电子设备会议（IEDM）（IEEE），第14.4.1-14.4.4页。
[27] Yang，J.J.，Strukov，D.B.和Stewart，D.R.【2013】“用于计算的忆阻设备”，《国家纳米技术》第8卷，第13-24页。
[28] Yu，J.，Kim，K.，Lee，J.&Choi，K.[2017]“卷积神经网络的精确和高效随机计算硬件”，IEEE国际计算机设计会议（ICCD）（IEEE），第105-112页。
[29] Zhai，X.，Ali，A.A.S.，Amira，A.&Bensaali，F.[2016]“基于MLP神经网络的Zynq SoC气体分类系统”，IEEE Access4，8138-8146。
[30] Zhang，T.、Yin，M.、Xu，C.、Lu，X.、Sun，X.，Yang，Y.和Huang，R.[2017]“基于安全电子成对忆阻器的高速真随机数生成”，《纳米技术》28，455202。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不声称其完整性或完全匹配。