Engenharia neuromórfica: diferenças entre revisões
Conteúdo apagado Conteúdo adicionado
Etiquetas: Editor Visual Edição via dispositivo móvel Edição feita através do sítio móvel |
Etiquetas: Inserção de predefinição obsoleta Editor Visual: Trocado |
||
Linha 2:
A engenharia neuromórfica é um assunto interdisciplinar sustentado pela [[biologia]], [[física]], [[matemática]], [[ciência da computação]] e [[engenharia elétrica]] para projetar sistemas neuronais artificiais, como sistemas de visão, processadores auditivos e [[robô]]s autônomos, cuja arquitetura física e princípios de design são baseados nesses sistemas nervosos biológicos.<ref>{{citar periódico| doi = 10.1155/2012/705483|título= Qualitative Functional Decomposition Analysis of Evolved Neuromorphic Flight Controllers|periódico= Applied Computational Intelligence and Soft Computing| volume = 2012|páginas= 1–21|ano= 2012|último1 = Boddhu |primeiro1 = S. K. |último2 = Gallagher |primeiro2 = J. C. }}</ref>
== Sistemas neuromemristivos ==
Os sistemas neuromemristivos são uma subclasse de sistemas de computação neuromórficos que se concentram no uso de [[Memristor|memristores]] para implementar a [[neuroplasticidade]].<ref>{{Cite web|url=https://digitalops.sandia.gov/Mediasite/Play/a10cf6ceb55d47608bb8326dd00e46611d|title=002.08 N.I.C.E. Workshop 2014: Towards Intelligent Computing with Neuromemristive Circuits and Systems - Feb. 2014|website=digitalops.sandia.gov|access-date=2019-08-26}}</ref> Enquanto a engenharia neuromórfica se concentra em imitar o comportamento [[Biologia computacional|biológico]], os sistemas neuromistores se concentram na [[Abstração (ciência da computação)|abstração]]. Por exemplo, um sistema neuromensivo pode substituir os detalhes do comportamento de um [[Circuito integrado|microcircuito]] cortical por um modelo de [[Rede neural artificial|rede neural]] abstrata.<ref>C. Merkel and D. Kudithipudi, "Neuromemristive extreme learning machines for pattern classification," ISVLSI, 2014.</ref>
Para circuitos memristivos passivos ideais, é possível derivar um sistema de [[Equação diferencial|equações diferenciais]] para evolução da memória interna do circuito:<ref>{{cite journal |last=Caravelli |display-authors=etal|arxiv=1608.08651 |title=The complex dynamics of memristive circuits: analytical results and universal slow relaxation |year=2017 |doi=10.1103/PhysRevE.95.022140 |pmid= 28297937 |volume=95 |issue= 2 |pages= 022140 |journal=Physical Review E|bibcode=2017PhRvE..95b2140C }}</ref>
:<math> \frac{d}{dt} \vec{W} = \alpha \vec{W}-\frac{1}{\beta} (I+\xi \Omega W)^{-1} \Omega \vec S </math>
como uma função das propriedades da rede memristive física e as fontes externas. Na equação acima, <math>\alpha</math> é a constante da escala de "esquecimento" do tempo , <math> \xi=r-1</math> e <math>r=\frac{R_\text{off}}{R_\text{on}}</math> é a razão dos valores ''off'' (desligado) e ''on'' (ligado) das resistências limite dos memristors, <math> \vec S </math> é o vetor das fontes do circuito e <math>\Omega</math> é um projetor nos [[Loop (programação)|loops]] fundamentais do circuito. A constante <math>\beta</math> tem a dimensão de uma tensão e está associada às propriedades do memristor; sua origem física é a mobilidade da carga no condutor. A matriz diagonal e o vetor <math>W=\operatorname{diag}(\vec W)</math> e <math>\vec W</math>, respectivamente, são o valor interno dos memristores, com valores entre 0 e 1. Essa equação requer, portanto, adicionar restrições extras aos valores da memória para ser confiável.
{{referências}}
| |||