Zum Hauptinhalt springen

A Neuromorphic CMOS Circuit With Self-Repairing Capability

Linares-Barranco, Bernabe ; Parvizi-Fard, Adel ; et al.
In: IEEE Transactions on Neural Networks and Learning Systems, Jg. 33 (2022-05-01), S. 2246-2258
Online unknown

Titel:
A Neuromorphic CMOS Circuit With Self-Repairing Capability
Autor/in / Beteiligte Person: Linares-Barranco, Bernabe ; Parvizi-Fard, Adel ; Rahiminejad, Ehsan ; Amiri, Mahmood ; Azad, Fatemeh
Link:
Zeitschrift: IEEE Transactions on Neural Networks and Learning Systems, Jg. 33 (2022-05-01), S. 2246-2258
Veröffentlichung: Institute of Electrical and Electronics Engineers (IEEE), 2022
Medientyp: unknown
ISSN: 2162-2388 (print) ; 2162-237X (print)
DOI: 10.1109/tnnls.2020.3045019
Schlagwort:
  • Silicon
  • Computer Networks and Communications
  • Computer science
  • Integrated circuit
  • Neurotransmission
  • law.invention
  • Synapse
  • Artificial Intelligence
  • law
  • medicine
  • Electronic engineering
  • Electronic circuit
  • Neurons
  • Neurophysiology
  • Computer Science Applications
  • medicine.anatomical_structure
  • Neuromorphic engineering
  • Transmission (telecommunications)
  • CMOS
  • Astrocytes
  • Synapses
  • Retrograde signaling
  • Neural Networks, Computer
  • Neuron
  • Software
  • Astrocyte
Sonstiges:
  • Nachgewiesen in: OpenAIRE
  • Rights: CLOSED

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

oder
oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

oder
oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.

xs 0 - 576
sm 576 - 768
md 768 - 992
lg 992 - 1200
xl 1200 - 1366
xxl 1366 -