Recently, various memristive system

Recently, various memristive systems emerge to emulate the efficient computing paradigm of the
brain cortex; whereas, how to make them energy efficient still remains unclear, especially from an
overall perspective. Here, a systematical and bottom-up energy consumption analysis is demonstrated,
including the memristor device level and the network learning level. We propose an energy estimating
methodology when modulating the memristive synapses, which is simulated in three typical neural
networks with different synaptic structures and learning strategies for both offline and online learning.
These results provide an in-depth insight to create energy efficient brain-inspired neuromorphic devices
in the future

ผลลัพธ์ (ไทย) 2:

เมื่อเร็ว ๆ นี้ระบบ memristive
ต่างๆโผล่ออกมาที่จะเลียนแบบกระบวนทัศน์คอมพิวเตอร์ที่มีประสิทธิภาพของเยื่อหุ้มสมอง
ในขณะที่วิธีการที่จะทำให้พวกเขายังคงมีประสิทธิภาพพลังงานยังไม่ชัดเจนโดยเฉพาะอย่างยิ่งจากมุมมองโดยรวม นี่เป็นเป็นระบบและด้านล่างขึ้นการวิเคราะห์การใช้พลังงานจะแสดงให้เห็น,
รวมทั้งอุปกรณ์ memristor ระดับและระดับการเรียนรู้เครือข่าย เราเสนอพลังงานการประเมินวิธีการเมื่อการปรับ memristive ประสาทซึ่งจะถูกจำลองในสามประสาททั่วไปเครือข่ายที่มีโครงสร้างsynaptic ที่แตกต่างกันและกลยุทธ์การเรียนรู้สำหรับทั้งออฟไลน์และการเรียนรู้ออนไลน์. ผลการเหล่านี้มีในเชิงลึกข้อมูลเชิงลึกในการสร้างพลังงานที่มีประสิทธิภาพ neuromorphic สมองแรงบันดาลใจ อุปกรณ์ในอนาคต

ผลลัพธ์ (ไทย) 3:

เมื่อเร็วๆ นี้ ระบบ memristive ต่างๆออกมาเพื่อเลียนแบบประสิทธิภาพการคำนวณเกี่ยวกับ
สมองส่วนนอก ขณะที่ วิธีการทำให้พวกเขาพลังงานที่มีประสิทธิภาพยังคงไม่ชัดเจน โดยเฉพาะจาก
ภาพรวม ที่นี่ เป็นระบบและเป็นการวิเคราะห์การใช้พลังงาน คือ การเรียน รวมถึงอุปกรณ์เมมริ ตอร์
ระดับและเครือข่ายการเรียนรู้ระดับ ขอเสนอให้พลังงานประมาณ
วิธีการเมื่อ modulating ที่เส้นประสาท memristive ซึ่งจำลองสามปกติประสาท
เครือข่ายโครงสร้าง Synaptic ที่แตกต่างกันและกลวิธีการเรียนรู้สำหรับทั้งออฟไลน์และออนไลน์ .
ผลลัพธ์เหล่านี้มีความเข้าใจในเชิงลึกเพื่อสร้างสมองที่มีประสิทธิภาพพลังงานจากอุปกรณ์ neuromorphic ในอนาคต