Status: Bibliographieeintrag
Standort: ---
Exemplare:
---
| Online-Ressource |
Verfasst von: | Serb, Alexander [VerfasserIn]  |
| Bill, Johannes [VerfasserIn]  |
Titel: | Unsupervised learning in probabilistic neural networks with multi-state metal-oxide memristive synapses |
Verf.angabe: | Alexander Serb, Johannes Bill, Ali Khiat, Radu Berdan, Robert Legenstein & Themis Prodromakis |
E-Jahr: | 2016 |
Jahr: | 29 Sep 2016 |
Umfang: | 9 S. |
Fussnoten: | Gesehen am 05.05.2020 |
Titel Quelle: | Enthalten in: Nature Communications |
Ort Quelle: | [London] : Nature Publishing Group UK, 2010 |
Jahr Quelle: | 2016 |
Band/Heft Quelle: | 7(2016) Artikel-Nummer 12611, 9 Seiten |
ISSN Quelle: | 2041-1723 |
Abstract: | Artificial neural networks exhibit learning abilities and can perform tasks which are tricky for conventional computing systems, such as pattern recognition. Here, Serb et al. show experimentally that memristor arrays can learn reversibly from noisy data thanks to sophisticated learning rules. |
DOI: | doi:10.1038/ncomms12611 |
URL: | Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.
Volltext ; Verlag: https://doi.org/10.1038/ncomms12611 |
| Volltext: https://www.nature.com/articles/ncomms12611 |
| DOI: https://doi.org/10.1038/ncomms12611 |
Datenträger: | Online-Ressource |
Sprache: | eng |
K10plus-PPN: | 1697223087 |
Verknüpfungen: | → Zeitschrift |
Unsupervised learning in probabilistic neural networks with multi-state metal-oxide memristive synapses / Serb, Alexander [VerfasserIn]; 29 Sep 2016 (Online-Ressource)
68573591