• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Engineering applications of bio-inspired artificial neural networks >Beta-CMOS Artificial Neuron and Implementability Limits
【24h】

Beta-CMOS Artificial Neuron and Implementability Limits

机译：Beta-CMOS人工神经元和可实施性限制

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The paper is focused on the functional possibilities (class of representable threshold functions), parameter stability and learnability of the artificial learnable neuron implemented on the base of CMOS #beta#driven threshold element. A neuron #beta#-comparator circuit is suggested with a very high sensitivity to input current change that allows us to sharply increase the threshold value of the functions. The SPICE simulation results confirm that the neuron is learnable to realize threshold functions of 10, 11 and 12 variables with maximum values of threshold 89, 144 and 233 respectively. A number of experiments were conducted to determine the limits in which the working paramters of the neuron can change providing its stable functioning after learning to the functions for each of these threshold values. MOSIS BSIM3v3.1 0.8#mu#m transistor models were used in the SPICE simulation.
机译：本文着眼于在CMOS＃beta＃驱动的阈值元素的基础上实现的人工可学习神经元的功能可能性（可表示阈值函数的类别），参数稳定性和可学习性。提出了一种神经元＃beta＃比较器电路，它对输入电流的变化具有很高的灵敏度，这使我们能够急剧增加功能的阈值。 SPICE仿真结果证实，神经元可学习实现10、11和12个变量的阈值函数，分别具有阈值89、144和233的最大值。进行了许多实验来确定神经元的工作参数可以变化的极限，从而在学习了这些阈值中的每个阈值后，可以提供稳定的功能。在SPICE仿真中使用了MOSIS BSIM3v3.1 0.8＃mu＃m晶体管模型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号