忆阻器基本特性与基于忆阻器的生物突触研究

发布时间：2017-07-06 23:02

  本文关键词：忆阻器基本特性与基于忆阻器的生物突触研究

  更多相关文章： 忆阻器 突触 联想记忆 神经网络

【摘要】：随着智能化信息时代的到来,大规模集成电路也进入高速发展阶段,然而晶体管器件尺寸不断缩小即将达到极限,集成度不断升高导致芯片发热等副作用都成为限制集成电路的发展的阻碍,因此新型电路元器件的发现和应用变得至关重要。此时忆阻器进入人们的视野,它具有结构简单、尺寸小、功耗低、易于集成、与CMOS兼容等一系列的优势,因此迅速成为半导体和集成电路领域研究人员关注的重点。突触是神经网络的重要组成部分,也是人工神经网络模拟的关键,传统突触的模拟采用晶体管器件,受限于晶体管尺寸和功能,密度远低于生物神经网络中突触的密度。由于忆阻器的尺存达纳米级,并且忆阻器可以像突触一样工作,是目前已知的功能与生物突触非常接近的器件,提供了构筑模拟神经网络的基础。基于忆阻器的优势,忆阻器替代传统的晶体管实现生物突触模拟,使得人工神经网络中突触密度进一步向生物神经网络靠拢,进而可以实现低功耗、高集成度的神经网络模拟。本论文从忆阻器基本结构、阻变机制和模型三个方面对忆阻器进行了分析,深入认识忆阻器作为第四种基本电路元件对整个电子电路行业发展带来的重要作用。分析了忆阻器在非易失性存储、数字模拟电路、神经网络等领域的应用,给出了一种基于忆阻器的静电保护电路。充分认识生物突触结构、工作原理和重要特性,将忆阻器应用于模拟突触,并以权值调整电路实现突触的脉冲时间依赖可塑性学习规则。在实现忆阻器模拟突触基础上进一步模拟由突触和神经元构成的神经网络。通过三个神经元和两个突触的结构模拟巴甫洛夫的狗的模型,以实现联想记忆功能。使用Keithley 4200-SCS半导体参数测试仪表征NiO忆阻器和HfO2忆阻器的阻变特性,设计突触权值调整电路和联想记忆电路的PCB级电路,并将NiO忆阻器连接在电路中,仿真和测试结果证明电路完成了所需要的功能。本文证实了突触和神经网络的模拟可以通过基于忆阻器的硬件电路来实现,而不仅仅停留在仿真阶段,为构建更复杂神经网络提供了新思路,有望在不久的将来进一步实现超高密度的神经网络。
【关键词】：忆阻器 突触 联想记忆 神经网络
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM501
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-20
• 1.1 研究背景和意义10-12
• 1.2 国内外研究历史与现状12-18
• 1.3 论文主要工作和研究内容18
• 1.4 论文的结构安排18-20
• 第二章 忆阻器的特性20-25
• 2.1 忆阻器理论20-21
• 2.2 忆阻器的基本结构21-22
• 2.3 忆阻器的阻变机制22-24
• 2.4 本章小结24-25
• 第三章 忆阻器的模型与应用25-34
• 3.1 忆阻器模型25-30
• 3.1.1 忆阻器边界迁移模型25-27
• 3.1.2 窗函数27-30
• 3.2 忆阻器应用于静电保护电路30-33
• 3.3 本章小结33-34
• 第四章 忆阻器应用于突触和联想记忆电路34-49
• 4.1 忆阻器应用于生物突触34-44
• 4.1.1 突触34-36
• 4.1.2 STDP规则36-37
• 4.1.3 忆阻器用于生物突触的研究现状37-38
• 4.1.4 基于忆阻器的突触权值调整电路38-44
• 4.2 忆阻器应用于联想记忆电路44-47
• 4.2.1 联想记忆的概念44-45
• 4.2.2 基于忆阻器的联想记忆电路45-47
• 4.3 本章小结47-49
• 第五章 仿真和测试结果49-61
• 5.1 基于NiO忆阻器的阻变特性表征49-51
• 5.2 基于HfO_2忆阻器的阻变特性表征51-52
• 5.3 基于忆阻器的突触权值调整电路仿真结果52-56
• 5.4 基于忆阻器的联想记忆电路测试结果56-60
• 5.5 本章小结60-61
• 第六章 总结与展望61-63
• 致谢63-64
• 参考文献64-69
• 攻硕期间取得的研究成果69-70

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 曾U喺

本文编号：528044