少样本测试：使用贝叶斯测试向量估计记忆电阻深度神经网络的不确定性
原文中文，约500字，阅读约需2分钟。发表于：。在硬件加速器中实现基于神经网络的计算芯片的性能、缺陷与测试向量生成方法的改进和优化问题研究
本研究使用memristive和memcapacitive交叉阵列在低功耗机器学习加速器中实现了深度神经网络的共同设计框架，并在8层VGG网络上对CIFAR-10数据集进行训练，获得了卓越的准确率。此外，通过引入一种新方法，使用OTA和电容器模拟meminductor设备，展示了可调节的行为。通过晶体管级仿真和神经形态电路和CNN加速器的验证，证明了该方法的可行性和高性能。该研究为高效和高性能的机器学习应用提供了先进的硬件解决方案。
