AMSNet: Analog Memristive System Architecture for Mean-Pooling with Dropout Convolutional Neural Network

Olga Krestinskaya, Adilya Bakambekova, Alex Pappachen James

2019

Жабық қол жеткізу Метадеректер (CSL-JSON)

DOI 10.1109/aicas.2019.8771611

Деректер сенімділігі 70 орташа

Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

This work proposes analog hardware implementation of Mean-Pooling Convolutional Neural Network (CNN) with 50% random dropout backpropagation training. We illustrate the effect of variabilities of real memristive devices on the performance of CNN, and tolerance to the input noise. The classification accuracy of CNN is approximately 93% independent on memristor variabilities and input noise. On-chip area and power consumption of analog 180nm CMOS CNN with WOxmemristors are 0.09338995mm2and 3.3992W, respectively.