WikiEdge:ArXiv-2408.17105v1/methods：修订间差异

←上一编辑

可视化wikitext

2024年9月3日 (二) 09:03的最新版本

编辑

这篇论文的工作部分详细介绍了如何通过特定的工作方法来表征有根和无根的树-子网络。以下是这部分的主要内容：

树-子网络的定义：
- 树-子网络是一类特殊的有根系统发育网络，其中任意两个非叶顶点且入度至少为2的顶点不通过边相连或不共享一个公共父顶点。
樱桃挑选序列：
- 引入了樱桃挑选序列的概念，这是一种基于网络叶子上的序列，通过重复应用两种减少操作来减少网络的复杂性。
樱桃减少序列：
- 定义了樱桃减少序列，这是一系列通过樱桃减少操作从原始网络逐步简化得到的网络序列。
树-子性质的表征：
- 提出了树-子网络可以通过满足特定属性的樱桃挑选序列来表征，这些属性确保了网络在简化过程中保持树-子结构。
算法应用：
- 讨论了如何利用树-子樱桃挑选序列来快速判断一个给定的系统发育网络是否为树-子网络，以及如何决定一个无根系统发育网络是否可以定向为有根树-子网络。

@@ 第1行： / 第1行： @@
-本文介绍了一种基于[[忆阻器]]的计算存储硬件加速器，用于片上训练和推理，重点关注其在设备变化、导电误差和输入噪声下的准确性和效率。
+<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17105v1/methods|action=edit}} 编辑]</div>
-利用商业可用的基于[[银]]的金属自定向通道（M-SDC）忆阻器的真实SPICE模型，研究将固有的设备非理想性纳入电路仿真中。
+这篇论文的工作部分详细介绍了如何通过特定的工作方法来表征有根和无根的[[树-子网络]]。以下是这部分的主要内容：
-硬件由30个忆阻器和4个[[神经元]]组成，利用[[钨]]、[[铬]]和[[碳]]介质的三种不同的M-SDC结构执行二进制[[图像分类]]任务。
+# '''树-子网络的定义'''：
-片上训练算法精确调整忆阻器导电性以实现目标权重。结果表明，训练期间加入适度噪声（<15%）可以增强对设备变化和噪声输入数据的[[鲁棒性]]，
+#* [[树-子网络]]是一类特殊的有根[[系统发育网络]]，其中任意两个非叶顶点且入度至少为2的顶点不通过边相连或不共享一个公共父顶点。
-即使在导电变化和输入噪声下也能实现高达97%的[[准确率]]。网络可以在不显著损失准确率的情况下容忍10%的导电误差。值得注意的是，
+#  '''樱桃挑选序列'''：
-在训练期间省略初始忆阻器重置脉冲可以显著减少训练时间和能量消耗。使用基于铬的忆阻器设计的硬件表现出优越的性能，
+#* 引入了[[樱桃挑选序列]]的概念，这是一种基于网络叶子上的序列，通过重复应用两种减少操作来减少网络的复杂性。
-实现了2.4秒的训练时间和18.9毫焦耳的能量消耗。这项研究为开发用于[[边缘应用]]的[[片上学习]]的鲁棒和能效高的基于忆阻器的[[神经网络]]提供了见解。
+#  '''樱桃减少序列'''：
+#* 定义了[[樱桃减少序列]]，这是一系列通过樱桃减少操作从原始网络逐步简化得到的网络序列。
+#  '''树-子性质的表征'''：
+#* 提出了树-子网络可以通过满足特定属性的樱桃挑选序列来表征，这些属性确保了网络在简化过程中保持树-子结构。
+#  '''算法应用'''：
+#* 讨论了如何利用树-子樱桃挑选序列来快速判断一个给定的[[系统发育网络]]是否为树-子网络，以及如何决定一个无根系统发育网络是否可以定向为有根树-子网络。

WikiEdge:ArXiv-2408.17105v1/methods：修订间差异

2024年9月3日 (二) 09:03的最新版本

导航菜单

搜索