• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Feature Extraction Using Memristor Networks
【24h】

Feature Extraction Using Memristor Networks

机译：使用忆阻器网络进行特征提取

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

Crossbar arrays of memristive elements are investigated for the implementation of dictionary learning and sparse coding of natural images. A winner-take-all training algorithm, in conjunction with Oja's rule, is used to learn an overcomplete dictionary of feature primitives that resemble Gabor filters. The dictionary is then used in the locally competitive algorithm to form a sparse representation of input images. The impacts of device nonlinearity and parameter variations are evaluated and a compensating procedure is proposed to ensure the robustness of the sparsification. It is shown that, with proper compensation, the memristor crossbar architecture can effectively perform sparse coding with distortion comparable with ideal software implementations at high sparsity, even in the presence of large device-to-device variations in the excess of 100%.
机译：为了实现字典学习和自然图像的稀疏编码，研究了忆阻元件的交叉开关阵列。赢家通吃的训练算法与Oja规则一起用于学习类似于Gabor过滤器的特征基元的不完整字典。然后在本地竞争算法中使用字典来形成输入图像的稀疏表示。评估了设备非线性和参数变化的影响，并提出了一种补偿程序来确保稀疏性的鲁棒性。结果表明，通过适当的补偿，忆阻器纵横开关架构可以有效地执行稀疏编码，其失真与高稀疏度下的理想软件实现相当，即使存在超过100％的较大的设备间差异。

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