机构名称：
¥ 1.0
摘要 - 已提出了无线贝叶斯神经网络（WBNNS），以解决能源效率和设计复杂性的问题，以在资源约束边缘设备中进行培训和分类。通过引入热激活的DNA致动器和磁性旋转旋转振荡器（STOS），WBNN能够从小型数据集中学习并解决过度拟合的问题，以实现准确的分类结果。为了有效地生成高斯变量，这项工作提出了电磁耦合的stos，可以固有地创建可编程频谱分布，以用于贝叶斯神经网络（BNNS）的变异推断。具体而言，通过使用最大量的高斯变量，与BNN进行单层将DNA折纸与STO进行单层整合的纳米级异质结构，以执行乘法和积累（MAC），包括：1）具有加权偏置电流的STOS，以将概率分布和生成振动范围设置为频率范围，通过频率进行频率范围，通过频率进行频率范围，以使oscilly oscill osscill频率通过频率进行频率范围。 （2）可以选择性地整合来自各种STO的无线信号以将接收到的能量转换为可编程磁场的DNA折纸。仿真结果表明，所提出的WBNN可以在消耗625 µW时获得高于96％的精度。
无线贝叶斯神经网络与自我-NSF -PAR
主要关键词
相关文件推荐
