Navigation überspringen
Universitätsbibliothek Heidelberg
Status: Bibliographieeintrag

Verfügbarkeit
Standort: ---
Exemplare: ---
heiBIB
 Online-Ressource
Verfasst von:Serb, Alexander [VerfasserIn]   i
 Bill, Johannes [VerfasserIn]   i
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

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/68573591   QR-Code
zum Seitenanfang