忆阻神经网络的全电路设计及其应用
发布时间:2021-01-04 19:53
人工神经网络已经成为人工智能领域近年来最热门的研究方向之一,并成功地解决了机器人、工业、生物、医学和经济等领域许多实际问题。随着互联网及大数据时代的到来,神经网络所要处理的信息呈现爆发式增长,基于冯·诺依曼结构的计算机很难应对日益增长的数据处理要求。因此,建立能够进行实时数据处理与超大并行计算的神经网络硬件电路已成为迫切需求。忆阻交叉阵列所固有的并行计算及存算相融合的天然优势,为这一问题提供解决思路,忆阻神经网络研究得到学者的广泛关注。经过多年的发展,忆阻神经网络电路研究已经取得丰硕成果,并成功实现了图像处理,模式识别等应用,但存在如下两个问题值得关注:(1)网络的部分训练过程通常是通过线下系统实现的,需要借助计算机或者数字芯片进行相关辅助计算。(2)已有的设计大都没有给出完整的神经网络实现电路,不能在硬件上执行完整的在线学习过程。针对上述问题,本文研究围绕忆阻神经网络的全电路设计而展开,根据实物忆阻数据,构建相应的忆阻模型,设计忆阻突触与神经元电路,研究如何将算法引入到忆阻电路中,设计忆阻学习电路。最后根据神经网络基本理论,设计全电路忆阻神经网络,建立神经网络在线学习电路来解决图像识...
【文章来源】:华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】:148 页
【学位级别】:博士
【文章目录】:
摘要
ABSTRACTS
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文的结构安排
2 漂移速度自适应的忆阻模型
2.1 引言
2.2 忆阻器新模型介绍
2.3 实验及分析
2.4 本章小结
3 忆阻突触与神经元电路设计
3.1 引言
3.2 忆阻突触设计
3.3 忆阻神经元电路设计
3.4 忆阻LIF神经元电路设计
3.5 本章小结
4 忆阻学习电路设计
4.1 引言
4.2 忆阻自学习神经元电路
4.3 忆阻自学习逻辑电路
4.4 忆阻TRIPLET-STDP学习电路
4.5 本章小结
5 忆阻神经网络电路
5.1 引言
5.2 感知神经网络的电路实现
5.3 RBF神经网络
5.4 多层忆阻神经网络电路
5.5 本章小结
6 忆阻HOPFIELD神经网络电路
6.1 引言
6.2 图像复原背景
6.3 连续HOPFIELD神经网络电路设计
6.4 仿真分析
6.5 比较与鲁棒性分析
6.6 本章小结
7 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
附录1 攻读博士学位期间的主要成果
附录2 攻读博士学位期间参加的科研项目
【参考文献】:
期刊论文
[1]Modulating 3D memristor synapse by analog spiking pulses for bioinspired neuromorphic computing[J]. Qi Liu,XuMeng Zhang,Qing Luo,XiaoLong Zhao,HangBing Lv,ShiBing Long,Ming Liu. Science China(Physics,Mechanics & Astronomy). 2018(08)
[2]Excitatory and inhibitory actions of a memristor bridge synapse[J]. Changju YANG,Shyam Prasad ADHIKARI,Hyongsuk KIM. Science China(Information Sciences). 2018(06)
[3]基于忆阻器模拟的突触可塑性的研究进展[J]. 张晨曦,陈艳,仪明东,朱颖,李腾飞,刘露涛,王来源,解令海,黄维. 中国科学:信息科学. 2018(02)
[4]基于神经元晶体管和忆阻器的Hopfield神经网络及其在联想记忆中的应用[J]. 朱航涛,王丽丹,段书凯,杨婷. 西南大学学报(自然科学版). 2018(02)
[5]神经形态器件现状与未来[J]. 殷明慧,杨玉超,黄如. 国防科技. 2016(06)
[6]基于忆阻器的存储与计算融合理论与实现[J]. 李祎,缪向水. 国防科技. 2016(06)
[7]一种改进的WOx忆阻器模型及其突触特性分析[J]. 孟凡一,段书凯,王丽丹,胡小方,董哲康. 物理学报. 2015(14)
[8]两类纳米级非线性忆阻器模型及串并联研究[J]. 董哲康,段书凯,胡小方,王丽丹. 物理学报. 2014(12)
[9]基于忆阻器的神经突触仿生器件研究[J]. 刘益春,徐海阳,王中强,张磊. 科学. 2013(02)
[10]忆阻细胞神经网络及图像去噪和边缘提取中的应用[J]. 高士咏,段书凯,王丽丹. 西南大学学报(自然科学版). 2011(11)
硕士论文
[1]基于忆阻器的竞争神经网络研究[D]. 詹稀童.电子科技大学 2018
本文编号:2957327
【文章来源】:华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】:148 页
【学位级别】:博士
【文章目录】:
摘要
ABSTRACTS
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文的结构安排
2 漂移速度自适应的忆阻模型
2.1 引言
2.2 忆阻器新模型介绍
2.3 实验及分析
2.4 本章小结
3 忆阻突触与神经元电路设计
3.1 引言
3.2 忆阻突触设计
3.3 忆阻神经元电路设计
3.4 忆阻LIF神经元电路设计
3.5 本章小结
4 忆阻学习电路设计
4.1 引言
4.2 忆阻自学习神经元电路
4.3 忆阻自学习逻辑电路
4.4 忆阻TRIPLET-STDP学习电路
4.5 本章小结
5 忆阻神经网络电路
5.1 引言
5.2 感知神经网络的电路实现
5.3 RBF神经网络
5.4 多层忆阻神经网络电路
5.5 本章小结
6 忆阻HOPFIELD神经网络电路
6.1 引言
6.2 图像复原背景
6.3 连续HOPFIELD神经网络电路设计
6.4 仿真分析
6.5 比较与鲁棒性分析
6.6 本章小结
7 总结与展望
7.1 总结
7.2 展望
致谢
参考文献
附录1 攻读博士学位期间的主要成果
附录2 攻读博士学位期间参加的科研项目
【参考文献】:
期刊论文
[1]Modulating 3D memristor synapse by analog spiking pulses for bioinspired neuromorphic computing[J]. Qi Liu,XuMeng Zhang,Qing Luo,XiaoLong Zhao,HangBing Lv,ShiBing Long,Ming Liu. Science China(Physics,Mechanics & Astronomy). 2018(08)
[2]Excitatory and inhibitory actions of a memristor bridge synapse[J]. Changju YANG,Shyam Prasad ADHIKARI,Hyongsuk KIM. Science China(Information Sciences). 2018(06)
[3]基于忆阻器模拟的突触可塑性的研究进展[J]. 张晨曦,陈艳,仪明东,朱颖,李腾飞,刘露涛,王来源,解令海,黄维. 中国科学:信息科学. 2018(02)
[4]基于神经元晶体管和忆阻器的Hopfield神经网络及其在联想记忆中的应用[J]. 朱航涛,王丽丹,段书凯,杨婷. 西南大学学报(自然科学版). 2018(02)
[5]神经形态器件现状与未来[J]. 殷明慧,杨玉超,黄如. 国防科技. 2016(06)
[6]基于忆阻器的存储与计算融合理论与实现[J]. 李祎,缪向水. 国防科技. 2016(06)
[7]一种改进的WOx忆阻器模型及其突触特性分析[J]. 孟凡一,段书凯,王丽丹,胡小方,董哲康. 物理学报. 2015(14)
[8]两类纳米级非线性忆阻器模型及串并联研究[J]. 董哲康,段书凯,胡小方,王丽丹. 物理学报. 2014(12)
[9]基于忆阻器的神经突触仿生器件研究[J]. 刘益春,徐海阳,王中强,张磊. 科学. 2013(02)
[10]忆阻细胞神经网络及图像去噪和边缘提取中的应用[J]. 高士咏,段书凯,王丽丹. 西南大学学报(自然科学版). 2011(11)
硕士论文
[1]基于忆阻器的竞争神经网络研究[D]. 詹稀童.电子科技大学 2018
本文编号:2957327
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2957327.html