دانلود مقاله ISI انگلیسی شماره 150680
ترجمه فارسی عنوان مقاله

شبکه عصبی سلولی توسط عناصر پردازش ساده تشکیل شده از ترانزیستورهای نازک تشکیل شده است

عنوان انگلیسی
Cellular neural network formed by simplified processing elements composed of thin-film transistors
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
150680 2017 23 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Neurocomputing, Volume 248, 26 July 2017, Pages 112-119

ترجمه چکیده
ما یک شبکه عصبی سلولی ایجاد کرده ایم که توسط عناصر پردازش ساده ساخته شده از ترانزیستورهای نازک تشکیل شده است. ابتدا مدار نرون را به یک مدار دو سوئیچ دوگانه و یک دستگاه سیناپس به ترانزیستور ساده ساده کردیم. بعد، ما عناصر پردازش ترانزیستورهای نازک فیلم را تشکیل می دهیم که امیدوار کننده برای کاربردهای میکرو الکترونیک غول پیکر است و شبکه عصبی تلفن همراه توسط عناصر پردازش را تشکیل می دهد. در نهایت، ما تأیید کردیم که شبکه عصبی سلولی می تواند منطق های چندگانه را حتی در یک شبکه عصبی در مقیاس کوچک یاد بگیرد. علاوه بر این، ما تأیید کردیم که شبکه عصبی سلولی می تواند به طور همزمان چندین الفبای ساده را تشخیص دهد. این نتایج باید به عنوان پایگاه های نظری برای تحقق بخشیدن به یکپارچگی فوق العاده بزرگ در مدارهای مجتمع مغز مانند عمل کنند.
پیش نمایش مقاله
پیش نمایش مقاله  شبکه عصبی سلولی توسط عناصر پردازش ساده تشکیل شده از ترانزیستورهای نازک تشکیل شده است

چکیده انگلیسی

We have developed a cellular neural network formed by simplified processing elements composed of thin-film transistors. First, we simplified the neuron circuit into a two-inverter two-switch circuit and the synapse device into only a transistor. Next, we composed the processing elements of thin-film transistors, which are promising for giant microelectronics applications, and formed a cellular neural network by the processing elements. Finally, we confirmed that the cellular neural network can learn multiple logics even in a small-scale neural network. Moreover, we verified that the cellular neural network can simultaneously recognize multiple simple alphabet letters. These results should serve as the theoretical bases to realize ultra-large scale integration for brain-type integrated circuits.