[{"@context":"http:\/\/schema.org\/","@type":"BlogPosting","@id":"https:\/\/wiki.edu.vn\/wiki29\/2021\/11\/26\/physikalisches-neuronales-netz-wikipedia\/#BlogPosting","mainEntityOfPage":"https:\/\/wiki.edu.vn\/wiki29\/2021\/11\/26\/physikalisches-neuronales-netz-wikipedia\/","headline":"Physikalisches neuronales Netz \u2013 Wikipedia","name":"Physikalisches neuronales Netz \u2013 Wikipedia","description":"before-content-x4 EIN physikalisches neuronales Netz ist eine Art k\u00fcnstliches neuronales Netz, bei dem ein elektrisch einstellbares Material verwendet wird, um","datePublished":"2021-11-26","dateModified":"2021-11-26","author":{"@type":"Person","@id":"https:\/\/wiki.edu.vn\/wiki29\/author\/lordneo\/#Person","name":"lordneo","url":"https:\/\/wiki.edu.vn\/wiki29\/author\/lordneo\/","image":{"@type":"ImageObject","@id":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","height":96,"width":96}},"publisher":{"@type":"Organization","name":"Enzyklop\u00e4die","logo":{"@type":"ImageObject","@id":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","url":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","width":600,"height":60}},"image":{"@type":"ImageObject","@id":"https:\/\/en.wikipedia.org\/wiki\/Special:CentralAutoLogin\/start?type=1x1","url":"https:\/\/en.wikipedia.org\/wiki\/Special:CentralAutoLogin\/start?type=1x1","height":"1","width":"1"},"url":"https:\/\/wiki.edu.vn\/wiki29\/2021\/11\/26\/physikalisches-neuronales-netz-wikipedia\/","wordCount":3843,"articleBody":"     (adsbygoogle = window.adsbygoogle || []).push({});before-content-x4EIN physikalisches neuronales Netz ist eine Art k\u00fcnstliches neuronales Netz, bei dem ein elektrisch einstellbares Material verwendet wird, um die Funktion einer neuronalen Synapse zu emulieren.  “Physische” neuronale Netze werden verwendet, um die Abh\u00e4ngigkeit von physischer Hardware zu betonen, die verwendet wird, um Neuronen zu emulieren, im Gegensatz zu softwarebasierten Ans\u00e4tzen.  Allgemeiner ist der Begriff auf andere k\u00fcnstliche neuronale Netze anwendbar, in denen ein Memristor oder ein anderes elektrisch einstellbares Widerstandsmaterial verwendet wird, um eine neuronale Synapse zu emulieren.[1][2]       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Table of ContentsArten von physikalischen neuronalen Netzen[edit]ADALINE[edit]Analoge VLSI[edit]Physisches neuronales Netzwerk[edit]Neuronales Netz mit Phasenwechsel[edit]Memristives neuronales Netz[edit]Siehe auch[edit]Verweise[edit]Externe Links[edit]Arten von physikalischen neuronalen Netzen[edit]ADALINE[edit]In den 1960er Jahren entwickelten Bernard Widrow und Ted Hoff ADALINE (Adaptive Linear Neuron), das elektrochemische Zellen, sogenannte Memistoren (Speicherwiderst\u00e4nde), verwendet, um Synapsen eines k\u00fcnstlichen Neurons zu emulieren.[3]  Die Memistoren wurden als Ger\u00e4te mit 3 Anschl\u00fcssen implementiert, die auf der reversiblen Galvanisierung von Kupfer basieren, so dass der Widerstand zwischen zwei der Anschl\u00fcsse durch das Integral des \u00fcber den dritten Anschluss angelegten Stroms gesteuert wird.  Die ADALINE-Schaltung wurde in den 1960er Jahren von der Memistor Corporation kurzzeitig kommerzialisiert und erm\u00f6glichte einige Anwendungen in der Mustererkennung.  Da die Memistoren jedoch nicht unter Verwendung von Herstellungstechniken f\u00fcr integrierte Schaltungen hergestellt wurden, war die Technologie nicht skalierbar und wurde schlie\u00dflich aufgegeben, als die Festk\u00f6rperelektronik ausgereift wurde.[4]Analoge VLSI[edit]1989 ver\u00f6ffentlichte Carver Mead sein Buch Analoge VLSI und neuronale Systeme,[5]  die vielleicht die gebr\u00e4uchlichste Variante analoger neuronaler Netze ist.  Die physikalische Realisierung erfolgt in analoger VLSI.  Dies wird oft als Feldeffekttransistoren in niedriger Inversion realisiert.  Solche Ger\u00e4te k\u00f6nnen als translineare Schaltungen modelliert werden.  Dies ist eine Technik, die Barrie Gilbert in mehreren Artikeln um die Mitte der 1970er Jahre beschrieben hat, und insbesondere seine Translineare Schaltungen ab 1981.[6][7]  Mit dieser Methode k\u00f6nnen Schaltungen als eine Menge wohldefinierter Funktionen im station\u00e4ren Zustand analysiert und solche Schaltungen zu komplexen Netzwerken zusammengesetzt werden.       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Physisches neuronales Netzwerk[edit]Alex Nugent beschreibt ein physikalisches neuronales Netzwerk als einen oder mehrere nichtlineare neuronen\u00e4hnliche Knoten, die verwendet werden, um Signale und Nanoverbindungen zu summieren, die aus Nanopartikeln, Nanodr\u00e4hten oder Nanor\u00f6hren gebildet werden, die die Signalst\u00e4rke bestimmen, die in die Knoten eingegeben wird.[8]  Die Ausrichtung oder Selbstorganisation der Nanoverbindungen wird durch die Vorgeschichte des angelegten elektrischen Felds bestimmt, das eine Funktion analog zu neuronalen Synapsen ausf\u00fchrt.  Zahlreiche Anwendungen[9]  f\u00fcr solche physikalischen neuronalen Netze sind m\u00f6glich.  Zum Beispiel ein zeitliches Summationsger\u00e4t [10]  kann aus einer oder mehreren Nanoverbindungen mit einem Eingang und einem Ausgang davon bestehen, wobei ein dem Eingang zugef\u00fchrtes Eingangssignal bewirkt, dass eine oder mehrere der Nanoverbindungen im Laufe der Zeit eine Zunahme ihrer Verbindungsst\u00e4rke erfahren.  Ein weiteres Beispiel f\u00fcr ein physikalisches neuronales Netz wird durch das US-Patent Nr. 7,039,619 gelehrt[11]  mit dem Titel “Utilized nanotechnology device using a neuronal network, a solution and a connection gap”, das am 2. Mai 2006 vom US Patent & Trademark Office an Alex Nugent ausgestellt wurde.[12]Eine weitere Anwendung eines physikalischen neuronalen Netzwerks ist im US-Patent Nr. 7,412,428 mit dem Titel “Application of hebbian and anti-hebbian learning to nanotechnology-based physical neuronal network” gezeigt, das am 12. August 2008 erteilt wurde.[13]Nugent und Molter haben gezeigt, dass universelles Computing und universelles maschinelles Lernen mit Operationen m\u00f6glich sind, die durch einfache memristive Schaltkreise verf\u00fcgbar sind, die die AHaH-Plastizit\u00e4tsregel anwenden.[14]In j\u00fcngerer Zeit wurde argumentiert, dass auch komplexe Netze rein memristiver Schaltkreise als neuronale Netze dienen k\u00f6nnen.[15][16]       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Neuronales Netz mit Phasenwechsel[edit]Im Jahr 2002 beschrieb Stanford Ovshinsky ein analoges neuronales Computermedium, bei dem Phasenwechselmaterial die F\u00e4higkeit besitzt, kumulativ auf mehrere Eingangssignale zu reagieren.[17]  Eine elektrische \u00c4nderung des Widerstands des Phasen\u00e4nderungsmaterials wird verwendet, um die Gewichtung der Eingangssignale zu steuern.Memristives neuronales Netz[edit]Greg Snider von HP Labs beschreibt ein kortikales Computing-System mit memristiven Nanoger\u00e4ten.[18]  Die Memristoren (Speicherwiderst\u00e4nde) werden durch D\u00fcnnschichtmaterialien realisiert, bei denen der Widerstand \u00fcber den Transport von Ionen oder Sauerstoffleerstellen innerhalb der Schicht elektrisch abgestimmt wird.  Das SyNAPSE-Projekt von DARPA hat IBM Research und HP Labs in Zusammenarbeit mit dem Department of Cognitive and Neural Systems (CNS) der Boston University finanziert, um neuromorphe Architekturen zu entwickeln, die auf memristiven Systemen basieren k\u00f6nnen.[19]Siehe auch[edit]Verweise[edit]^ https:\/\/syncedreview.com\/2021\/05\/27\/deepmind-podracer-tpu-based-rl-frameworks-deliver-Exceptionional-Performance-at-low-cost-28\/^ https:\/\/www.theregister.com\/2021\/10\/05\/analoge_neural_network_research\/^ Widrow, B.;  Pierce, WH;  Angell, JB (1961), “Geburt, Leben und Tod in mikroelektronischen Systemen” (PDF), Technischer Bericht Nr. 1552-2\/1851-1^ Anderson, James;  Rosenfeld, Edward (1998), Sprechende Netze: Eine m\u00fcndliche Geschichte neuronaler Netze, MIT Press, ISBN 978-0-262-01167-9^ Met, Schnitzer.  (1989). Analoge VLSI und neuronale Systeme.  Lesen, Mass.: Addison-Wesley.  ISBN 0-201-05992-4.  OCLC 17954003.^ Gilbert, Barrie (1981), Translineare Schaltungen (Handout, S. 81)^ Gilbert, Barrie (1999-12-27), “Translineare Schaltungen”, Wiley Encyclopedia of Electrical and Electronics Engineering, John Wiley & Sons, Inc., doi:10.1002\/047134608x.w2302, ISBN 0-471-34608-X^ US-Patent 6.889.216^ Bekannte US-Patente^ US-Patent Nr. 7.028.017^ “Genutzte Nanotechnologie-Apparatur, die ein neutrales Netzwerk, eine L\u00f6sung und eine Verbindungsl\u00fccke verwendet”.^ “US-Patent: 8918353 – Methoden und Systeme zur Merkmalsextraktion”.^ “US-Patent: 9104975 – Memristor-Apparat”.^ Nugent, Michael Alexander;  Molter, Timothy Wesley (2014). \u201eAHaH Computing \u2013 Von metastabilen Schaltern \u00fcber Attraktoren bis hin zu maschinellem Lernen\u201c. PLUS EINS. 9 (2): e85175.  Bibcode:2014PLoSO…985175N.  mach:10.1371\/journal.pone.0085175.  PMC 3919716.  PMID 24520315.^ Caravelli, F.;  Traversa, Florida;  Di Ventra, M. (2017).  \u201eDie komplexe Dynamik memristiver Schaltkreise: analytische Ergebnisse und universelle langsame Entspannung\u201c. Physische \u00dcberpr\u00fcfung E. 95 (2): 022140. arXiv:1608.08651.  Bibcode:2017PhRvE..95b2140C.  mach:10.1103\/PhysRevE.95.022140.  PMID 28297937.  S2CID 6758362.^ Caravelli, F. (2019). “Asymptotisches Verhalten memristiver Schaltkreise”. Entropie. 21 (8): 789. ARXIV:1712.07046.  Bibcode:2019Entrp..21..789C.  mach:10.3390\/e21080789.  PMC 7515318.  PMID 33267502.^ US-Patent 6.999.953^ Snider, Gregor (2008), “Cortical Computing mit memristiven Nanoger\u00e4ten”, Sci-DAC-\u00dcberpr\u00fcfung, 10: 58\u201365, archiviert von das Original am 2016-05-16, abgerufen 2009-10-26^ Caravelli, Francesco;  Carbajal, Juan Pablo (2018), “Memristoren f\u00fcr neugierige Au\u00dfenseiter”, Technologien, 6 (4): 118, arXiv:1812.03389, Bibcode:2018arXiv181203389C, doi:10.3390\/technologies6040118, S2CID 54464654 Externe Links[edit]     (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4"},{"@context":"http:\/\/schema.org\/","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"item":{"@id":"https:\/\/wiki.edu.vn\/wiki29\/#breadcrumbitem","name":"Enzyklop\u00e4die"}},{"@type":"ListItem","position":2,"item":{"@id":"https:\/\/wiki.edu.vn\/wiki29\/2021\/11\/26\/physikalisches-neuronales-netz-wikipedia\/#breadcrumbitem","name":"Physikalisches neuronales Netz \u2013 Wikipedia"}}]}]