Djohan Ernesto Bonnet
Ex-situ transfer of deterministic and bayesian neural networks to resistive memory inference hardware.
Rel. Carlo Ricciardi. Politecnico di Torino, Master of science program in Nanotechnologies For Icts, 2020
|
Preview |
PDF (Tesi_di_laurea)
- Thesis
Licence: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract
Il lavoro consisteva nella valutazione di diverse reti neurali (NN) basate su memorie resistive (RRAM). Tutti i circuiti neuromorfici progettati avevano una topologia "fully connected" e avevano due "hidden layers". L’architettura neuromorfica utilizza una coppia di RRAM per memorizzare i pesi delle sinapsi e dei bias. La scelta della funzione di attivazione è una parte importante del design. La funzione tanh ha funzionato meglio delle funzioni sigmoid e relu per le due applicazioni testate, MNIST e ECG classificazione. I pesi sinaptici e i bias vengono calcolati ex situ utilizzando T ensorF low. Le outputs, i pesi desiderati, devono essere trasferiti alle RRAM programmate in più livelli di conduttanza.
Poiché i livelli di conduttanza sono programmati su livelli specifici, si verifica un errore di trasferimento tra i pesi desiderati ei valori di conduttanza reali
Relators
Academic year
Publication type
Number of Pages
Course of studies
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modify record (reserved for operators) |
