Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Hardware Spiking Artificial Neurons, Their Response Function, and Noises Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Memristor-Based Platforms: A Comparison Between Continous-Time and Discrete-Time Cellular Neural Networks

verfasst von : Young-Su Kim, Sang-Hak Shin, Jacopo Secco, Keyong-Sik Min, Fernando Corinto

Erschienen in: Advances in Neuromorphic Hardware Exploiting Emerging Nanoscale Devices

Verlag: Springer India

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this chapter, theory, circuit design methodologies and possible applications of Cellular Nanoscale Networks (CNNs) exploiting memristor technology are reviewed. Memristor-based CNNs platforms (MCNNs) make use of memristors to realize analog multiplication circuits that are essential to perform CNN calculation with low power and small area.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Neuromemristive Systems: A Circuit Design Perspective
Nächstes Kapitel Reinterpretation of Magnetic Tunnel Junctions as Stochastic Memristive Devices
Fußnoten
1
In Eq. 3 the cell states are noted as \(h_{i,j}\) instead if \(y_{i,j}\) since for the BPI algorithm the possible states are discrete and properly fixed. On the other hand, in the algorithm by Itoh and Chua the state of the single cell coincides with the actual internal state of the memristive element.
 
Literatur
1.
Kim, Y.S., Min, K.S.: Shared memristance restoring circuit for memristor-based cellular neural networks. In: International Workshop on Cellular Nanoscale Networks and Their Applications (CNNA2014), Notre Dame, IN, July 2014
2.
Kim, Y.S., Min, K.S.: Synaptic weighting circuits for cellular neural networks. In: International Workshop on Cellular Nanoscale Networks and Their Applications (CNNA2012), Turin, Italy (2012)
3.
4.
Strukov, D.B., Snider, G.S., Stewart, D.R.: The missing memristor found. Stanley R. Nat. 453, 80–88 (2008)
5.
Kim, H., Sah, P., Yang, C., Roska, T., Chua, L.O.: Memristor bridge synapses. Proc. IEEE 100(6), 2061–2070 (2012)CrossRef
6.
Pershin, Y.V., Di Ventra, M.: Practical approach to programmable analog circuits with memristors. IEEE Trans. Circ. Syst. I 57(8), 1857–1864 (2010)MathSciNet
7.
Domnguez-Castro, R., Espejo, S., Rodrguez-Vzquez, A., Carmona, R.A., Fldesy, R., Zanrdy, A., Szolgay, P., Szirinyi, T., Roska, T.: A 0.8-m CMOS two-dimensional pro-grammable mixed-signal focal-plane array processor with on-chip binary imaging and in-structions storage. IEEE J. Solid-State Circ. 32, 1013–1026 (1997)CrossRef
8.
Kim, H., Sah, M.P., Yang, C., Roska, T., Chua, L.O.: Neural synaptic weighing with a pulse-based memristor circuit. IEEE Trans. Circ. Syst. I(59), 148–158 (2012)CrossRef
9.
Guide, Virtuoso Spectre Circuit Simulator User: CADENCE. San Jose, CA, USA (2004)
10.
11.
Itoh, M., Chua, L.O.: Memristor cellular automata and memristor discrete-time cellular neural networks. Int. J. Bifurcat. Chaos 19(11), 3605–3656 (2009)MATHCrossRef
12.
Chua, L.O.: Memristor-the missing circuit element. IEEE Trans. Circ. Theory 18(5), 507–519 (1971)CrossRef
13.
Ascoli, A., Corinto, F., Tetzlaff, R.: Generalized boundary condition memristor model. Int. J. Circ. Theory Appl. (2015)
14.
Orlowski, M., Secco, J., Corinto, F. Chuas constitutive memristor relations for physical phenomena at metal-oxide interfaces. J. Emerg. Sel. Top. Circ. Syst. (2015). (in press)
15.
Baldassi, C., Braunstein, A., Brunel, N., Zecchina, R.: Efficient supervised learning in networks with binary synapses. BMC Neurosci. 8(Suppl 2), S13 (2007)CrossRef
Metadaten
Titel
Memristor-Based Platforms: A Comparison Between Continous-Time and Discrete-Time Cellular Neural Networks
verfasst von
Young-Su Kim
Sang-Hak Shin
Jacopo Secco
Keyong-Sik Min
Fernando Corinto
Copyright-Jahr
2017
Verlag
Springer India
Buch
Advances in Neuromorphic Hardware Exploiting Emerging Nanoscale Devices

Print ISBN: 978-81-322-3701-3

Electronic ISBN: 978-81-322-3703-7

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-81-322-3703-7_4

Neuer Inhalt

    Bildnachweise