این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۱۳، شماره ۱، صفحات ۱۹-۲۶
عنوان فارسی مدل سخت‌افزاری برای نورون اتفاقی مبتنی بر پیوند تونل مغناطیسی در جریان‌های کمتر از جریان بحرانی
چکیده فارسی مقاله نورون اتفاقی در شبکه‌های عصبی اهمیت زیادی دارد و یکی از مهم‌ترین مباحث در الگوریتم‌های یادگیری ماشین است. پژوهشگران همواره به پیاده‌سازی سخت‌افزاری شبکه‌های عصبی توجه ویژه داشته‌اند. پیاده‌سازی سخت‌افزاری شبکه‌های عصبی باعث افزایش چشم‌گیر کارایی و کاربرد شبکه‌های عصبی می‌شود؛ به همین دلیل، پیاده‌سازی سخت‌افزاری نورون اتفاقی نیز اهمیت زیادی دارد. در این مقاله با استفاده از ویژگی تغییر حالت احتمالی پیوند تونل مغناطیسی در جریان‌های کمتر از جریان بحرانی، یک مدل سخت‌افزاری برای نورون اتفاقی ارائه شده‌ است. نتایج شبیه‌سازی مدل پیشنهادی با استفاده از نرم‌افزار HSpice نشان می‌دهند مدل پیشنهادی عملکردی مشابه توصیف ریاضی نورون اتفاقی دارد و خطای این مدل نسبت به توصیف ریاضی همـواره کمتر از 4.8% است. همچنین، شبیه‌سازی در گوشه‌های فرآیند ساخت نشان می‌دهد این مدل حتی در حضور تغییرات فرایـند ساخت نیـز عـملکرد پذیرفتنی داشته و میـزان خـطای آن نسـبت به شبیه‌سازی ایدئال و مدل ریاضی به‌ترتیب کمتر از 15.46% و 17.43% است.
کلیدواژه‌های فارسی مقاله اسپینترونیک، پیوند تونل مغناطیسی، جریان بحرانی، محاسبات نورومورفیک، مدل سخت‌افزاری، نورون اتفاقی،
عنوان انگلیسی Hardware Model for Stochastic Neuron Based on Magnetic Tunnel Junction in the Subcritical Current Switching Regime
چکیده انگلیسی مقاله The stochastic neuron has great importance in neural networks and is one of the most important subjects in machine learning algorithms. Hardware implementation of neural networks has always been of interest to researchers and can significantly increase the performance and applications of neural networks. Hence hardware implementation of the stochastic neuron is also important. In this paper, utilizing stochastic behavior of MTJs in subcritical current regime a hardware model for stochastic neurons is proposed. Using HSpice tool, the proposed model was simulated and simulation results show that the proposed model functionality is similar to the mathematical description of the stochastic neuron and the error of this model is always less than 4.8% compared to the mathematical description of the stochastic neuron. Also using corner simulation, it was shown that this model performs properly even in the presence of process variation and its error rate is less than 15.46% and 17.43% compared to the mathematical model and ideal simulation, respectively.
کلیدواژه‌های انگلیسی مقاله اسپینترونیک, پیوند تونل مغناطیسی, جریان بحرانی, محاسبات نورومورفیک, مدل سخت‌افزاری, نورون اتفاقی
نویسندگان مقاله عبداله امیرانی |
دانشجوی دکتری، دانشکده مهندسی برق، دانشگاه شهید بهشتی تهران، تهران، ایران

کیان جعفری |
مدیر گروه الکترونیک، دانشکده مهندسی برق. دانشگاه شهید بهشتی، تهران، ایران

محمدحسین معیری |
گروه الکترونیک، دانشکده مهندسی برق، دانشگاه شهید بهشتی، تهران، ایران

نشانی اینترنتی https://isee.ui.ac.ir/article_25933_f9aa468915403eecb15d3ef083935405.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات