计算机工程与科学

作者：程其宏1, 刘鹏1, 姚廉1, 尤志强2, 武继刚1

单位：1.广东工业大学计算机学院，广东 广州 510006；2.湖南大学信息科学与工程学院，湖南 长沙 410082

关键词：忆阻器,神经网络,固定故障,容错计算,

基金：国家自然科学基金(62174038,62374047)

电阻式随机存取存储器RRAM以其非易失性、低延时等特性,在高效实现向量矩阵乘法运算的同时避免了大量的数据传输,因此在加速神经网络计算方面表现出巨大的潜力。然而,固定故障SAF会导致基于RRAM的神经网络的推理精度严重下降。提出了一种针对SAF的容错方案,包括权重映射变化、权重范围变化和损失函数正则化等方法,以尽可能减小由SAF引入的权重偏差。通过在不同神经网络上应用图像识别任务进行综合评估,实验结果表明,所提出的容错方案能够有效恢复由SAF造成的精度损失,即使在10%SAF的条件下,平均精度损失不超过1.5%。

来源：2025年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第9期