MétaCan
Menu
Retour à la cohorte
Enregistrement W1571743437 · doi:10.1109/iscas.1994.409599

A CMOS current-mode PWM technique for analog neural network implementations

2002· article· en· W1571743437 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensTechnical University of Nova Scotia
Organismes subventionnairesnon disponible
Mots-clésPulse-width modulationIntegratorCMOSArtificial neural networkComputer scienceElectronic engineeringModular designOperational transconductance amplifierTransconductanceAmplifierModulation (music)Current (fluid)Operational amplifierTopology (electrical circuits)Electrical engineeringVoltageEngineeringArtificial intelligenceBandwidth (computing)TransistorPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, a CMOS current-mode pulse width modulation (PWM) technique for efficiently implementing analog neural networks is presented. The weighted summation operation (required for a neural network) is realized by switching a weight current, controlled by a pulse whose width is proportional to an input current. This current is then applied to a resettable current integrator. The sigmoid transformation is naturally performed by the nonlinear transconductance amplifier which forms the integrator. This results in minimum silicon area and therefore is suitable for very large scale neural systems. Other pronounced features of the current-mode PWM technique are its easy programmability, electronically adjustable gains of neurons, and modular structures. In this paper, four modules are introduced with which almost all neural networks can be realized modularly. Simulations are provided to verify the validity of our proposed technique.< <ETX xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">&gt;</ETX>

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,046
Tête enseignante GPT0,319
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

En bref

Citations5
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Memory and Neural ComputingTravaux en français237 207