忆阻器芯片STELLAR权重更新算法（清华大学吴华强课题组）

参考文献（清华大学吴华强课题组）

Zhang, Wenbin, et al. “Edge learning using a fully integrated neuro-inspired memristor chip.” Science 381.6663 (2023): 1205-1211.

STELLAR更新算法原理

在权值更新阶段，只需根据输入、输出和误差的符号计算权值更新方向。此外，该算法预先定义了一个阈值，在计算误差符号时过滤掉小误差信号，并通过避免过于敏感和不必要的更新。省略掉小更新信号后，在STELLAR更新方案下基于忆阻器的梯度向量可以更接近地近似标准BP梯度向量。设定的阈值是硬件可重构的，以适应各种学习任务。STELLAR算法取决于权重更新的方向，将对应的相同SET和RESET脉冲施加到忆阻器单元。

前向传播（inference）

对每个输入向量执行权重更新。该学习算法以网络输出和目标的损失函数最小为目标，对电导进行最优更新。

反向传播——损失函数（平方损失函数）

反向传播——权重更新量（基于阈值性方向）

$C_1$