Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

You searched for subject:(Memristive Resistor). One record found.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Lecerf, Gwendal. Développement d'un réseau de neurones impulsionnels sur silicium à synapses memristives : Development of a silicon spiking neural network with memristives synapses.

Degree: Docteur es, Electronique, 2014, Bordeaux

Durant ces trois années de doctorat, financées par le projet ANR MHANN (MemristiveHardware Analog Neural Network), nous nous sommes intéressés au développement d’une nouvelle architecture de calculateur à l’aide de réseaux de neurones. Les réseaux de neurones artificiels sont particulièrement bien adaptés à la reconnaissance d’images et peuvent être utilisés en complément des processeurs séquentiels. En 2008, une nouvelle technologie de composant a vu le jour : le memristor. Classé comme étant le quatrième élément passif, il est possible de modifier sa résistance en fonction de la densité de courant qui le traverse et de garder en mémoire ces changements. Grâce à leurs propriétés, les composants memristifs sont des candidats idéaux pour jouer le rôle des synapses au sein des réseaux de neurones artificiels. En effectuant des mesures sur la technologie des memristors ferroélectriques de l’UMjCNRS/Thalès de l’équipe de Julie Grollier, nous avons pu démontrer qu’il était possible d’obtenir un apprentissage de type STDP (Spike Timing Dependant Plasticity) classiquement utilisé avec les réseaux de neurones impulsionnels. Cette forme d’apprentissage, inspirée de la biologie, impose une variation des poids synaptiques en fonction des évènements neuronaux. En s’appuyant sur les mesures réalisées sur ces memristors et sur des simulations provenant d’un programme élaboré avec nos partenaires de l’INRIA Saclay, nous avons conçu successivement deux puces en silicium pour deux technologies de memristors ferroélectriques. La première technologie (BTO), moins performante, a été mise de côté au profit d’une seconde technologie (BFO). La seconde puce a été élaborée avec les retours d’expérience de la première puce. Elle contient deux couches d’un réseau de neurones impulsionnels dédié à l’apprentissage d’images de 81 pixels. En la connectant à un boitier contenant un crossbar de memristors, nous pourrons réaliser un démonstrateur d’un réseau de neurones hybride réalisé avec des synapses memristives ferroélectriques.

Supported financially by ANR MHANN project, this work proposes an architecture ofspiking neural network in order to recognize pictures, where traditional processing units are inefficient regarding this. In 2008, a new passive electrical component had been discovered : the memristor. Its resistance can be adjusted by applying a potential between its terminals. Behaving intrinsically as artificial synapses, memristives devices can be used inside artificial neural networks.We measure the variation in resistance of a ferroelectric memristor (obtained from UMjCNRS/Thalès) similar to the biological law STDP (Spike Timing Dependant Plasticity) used with spiking neurons. With our measurements on the memristor and our network simulation (aided by INRIASaclay) we designed successively two versions of the IC. The second IC design is driven by specifications of the first IC with additional functionalists. The second IC contains two layers of a spiking neural network dedicated to learn a picture of 81 pixels. A demonstrator of…

Advisors/Committee Members: Saïghi, Sylvain (thesis director), Tomas, Jean (thesis director).

Subjects/Keywords: Conception Analogique; Réseau de Neurones impulsionnels; Memristor; Résistance Memristive; Apprentissage; STDP; Analog Circuit Conception; Spiking Neural Network; Memristor,; Memristive Resistor; Learning; STDP

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Lecerf, G. (2014). Développement d'un réseau de neurones impulsionnels sur silicium à synapses memristives : Development of a silicon spiking neural network with memristives synapses. (Doctoral Dissertation). Bordeaux. Retrieved from http://www.theses.fr/2014BORD0219

Chicago Manual of Style (16th Edition):

Lecerf, Gwendal. “Développement d'un réseau de neurones impulsionnels sur silicium à synapses memristives : Development of a silicon spiking neural network with memristives synapses.” 2014. Doctoral Dissertation, Bordeaux. Accessed December 13, 2019. http://www.theses.fr/2014BORD0219.

MLA Handbook (7th Edition):

Lecerf, Gwendal. “Développement d'un réseau de neurones impulsionnels sur silicium à synapses memristives : Development of a silicon spiking neural network with memristives synapses.” 2014. Web. 13 Dec 2019.

Vancouver:

Lecerf G. Développement d'un réseau de neurones impulsionnels sur silicium à synapses memristives : Development of a silicon spiking neural network with memristives synapses. [Internet] [Doctoral dissertation]. Bordeaux; 2014. [cited 2019 Dec 13]. Available from: http://www.theses.fr/2014BORD0219.

Council of Science Editors:

Lecerf G. Développement d'un réseau de neurones impulsionnels sur silicium à synapses memristives : Development of a silicon spiking neural network with memristives synapses. [Doctoral Dissertation]. Bordeaux; 2014. Available from: http://www.theses.fr/2014BORD0219

.