PulseAugur
中
实时 18:05:15
实体 Memristive Probabilistic Computing

Memristive Probabilistic Computing

PulseAugur coverage of Memristive Probabilistic Computing — every cluster mentioning Memristive Probabilistic Computing across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 4
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 4 条
  1. TOOL · CL_330890 ·

    新方法探测忆阻器AI硬件中的隐私风险

    研究人员开发了一种名为脉冲域模型逆转(SDMI)的新方法,用于分析忆阻器脉冲神经网络(SNNs)中的隐私泄露。该技术结合了变换期望(EOT)和代理梯度,通过随机模拟行为和不可微分的脉冲动力学来优化输入。跨四个数据集的实验表明,硬件变异性并不固有地保护隐私,因为重建保真度可能随着神经元阈值扰动而增加,而权重噪声可能减少泄露。研究结果表明,忆阻器SNN中的模型逆转泄露取决于硬件状态,不能仅凭模型准确性来推断。

  2. RESEARCH · CL_338560 ·

    新研究探讨硬件对AI隐私和学习的影响

    两篇新的arXiv论文探讨了硬件感知模型反演和忆阻器脉冲神经网络(SNNs)中设备感知可塑性的复杂性。第一篇论文介绍了脉冲域模型反演(SDMI),用于评估忆阻器SNNs中的隐私泄露,发现硬件变异性可能意外地提高重构保真度,挑战了硬件缺陷本身具有隐私保护作用的观点。第二篇论文研究了状态相关的忆阻器动力学如何影响SNNs中的脉冲时序依赖可塑性(STDP),证明了设备感知的混合学习规则在MNIST和Fashion-MNIST上的准确性高于直…

  3. TOOL · CL_249557 ·

    新型模拟读出架构提升SNN效率

    研究人员开发了一种利用电压到时间转换的新型脉冲神经网络(SNN)模拟读出架构。该方法旨在通过消除对传统电流模式求和和缩放电路的需求来提高面积和能源效率。在130 nm CMOS技术中的仿真证明了该架构在SNN推理中的有效性,包括成功的数字分类。

  4. TOOL · CL_107975 ·

    低功耗模拟神经网络使用可训练非线性连接

    研究人员开发了低功耗模拟神经网络,它们利用受Kolmogorov-Arnold网络启发的、可训练的非线性连接。这些网络直接利用模拟器件物理进行计算,将可训练的非线性函数作为模拟带通滤波器放置在每个连接上。虽然它们对于涉及平滑、连续值(如机器人运动学和控制)的任务有效,但它们不提供分类任务的参数效率。这些网络已成功转移到硬件上,并具有量化的保真度,预计功耗非常低。