本文介绍了卷积神经网络（convolutional neutral network，CNN）系统中具有多位存储的三维阻变式存储器（three-dimensional resistive random-access memory，3D RRAM）的带符号位的浮点数运算. 与其他类型存储器相比，3D RRAM可以在存储器内部进行运算，且具有更高的读取速率和更低的能耗，为解决冯诺依曼架构的瓶颈问题提供新方案. 单个RRAM单元的最大和最小电阻分别达到10 GΩ和10 MΩ，可在多级电阻状态下稳定，以存储多比特位宽的数据. 测试结果表明，带符号位的浮点数的卷积运算系统的精度可以达到99.8%，测试中3D RRAM模型的峰值读取速度为0.529 MHz.
PDF全文下载地址：http://journal.bit.edu.cn/zr/article/exportPdf?id=edbe7fc2-b05a-4d1b-a45a-e1855f5a886b