Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloOrganic memristive devices for perceptron applications
Anno di pubblicazione2018
FormatoElettronico
Autore/iBattistoni S.; Erokhin V.; Iannotta S.
Affiliazioni autoriCNR-IMEM, Institute of Materials for Electronics and Magnetism, Parco area delle Scienze 37/A, Parma, 43124 Italy
Autori CNR e affiliazioni
  • SILVIA BATTISTONI
  • SALVATORE IANNOTTA
  • VICTOR EROKHIN
Lingua/e
  • inglese
AbstractOne of the most challenging tasks in neuromorphic applications, in the field of artificial intelligence, is the hardware realization of artificial neural networks (ANNs) which are able to learn during information processing (pattern recognition and classification, approximation, prediction, etc).
Lingua abstractinglese
Altro abstractIn this scenario, thanks to their ability to keep the memory of their previous conductive state, memristors are widely considered as promising elements for the efficient implementation of ANNs. In this paper we present a short review of the design and the hardware realization of single and double layer ANNs, which are able to perform linearly separable and non-separable logic classification, using organic memristive devices as elements, ensuring the network weight adjustment.
Lingua altro abstract-
Pagine da284002-1
Pagine a284002-8
Pagine totali8
RivistaJournal of physics. D, Applied physics (Print)
Attiva dal 1970
Editore: IOP Publishing, - Bristol
Paese di pubblicazione: Regno Unito
Lingua: multilingue
ISSN: 0022-3727
Titolo chiave: Journal of physics. D, Applied physics (Print)
Titolo proprio: Journal of physics. (Print)
Titolo abbreviato: J. phys., D. Appl. phys. (Print)
Titolo alternativo: Applied physics (Bristol) (Print)
Numero volume della rivista51
Fascicolo della rivista28
DOI10.1088/1361-6463/aac98f
Verificato da refereeSì: Internazionale
Stato della pubblicazionePublished version
Indicizzazione (in banche dati controllate)
  • ISI Web of Science (WOS) (Codice:000436033100001)
  • Scopus (Codice:2-s2.0-85049363448)
Parole chiaveorganic memristors, perceptron, artificial neuronal networks, classification
Link (URL, URI)http://iopscience.iop.org/article/10.1088/1361-6463/aac98f/meta
Titolo parallelo-
Licenza-
Scadenza embargo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • IMEM — Istituto dei materiali per l'elettronica ed il magnetismo
Moduli/Attività/Sottoprogetti CNR-
Progetti Europei-
Allegati
Organic memristive devices for perceptron applications (documento privato )
Descrizione: Versione finale pubblicata in pdf
Tipo documento: application/pdf