Djohan Ernesto Bonnet
Ex-situ transfer of deterministic and bayesian neural networks to resistive memory inference hardware.
Rel. Carlo Ricciardi. Politecnico di Torino, Corso di laurea magistrale in Nanotechnologies For Icts (Nanotecnologie Per Le Ict), 2020
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: 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
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
