忆阻Hopfield神经网络的电路设计及其应用

发布时间：2021-10-19 00:42

　　传统人工神经网络的发展解决了很多复杂的实际问题,神经网络算法的硬件实现一直是科研人员研究的热点和难点。传统的神经网络电路中采用电阻或者CMOS器件作为突触,突触的权重一旦固定,便无法再修改,导致神经网络硬件的发展受到了限制,不能灵活地处理各种问题。忆阻器是一种新兴的简单二端元件,具有纳米级尺寸、低功耗、非易失性和阻值可变等优良特性,可以很好的替代电阻或CMOS器件作为神经网络中的突触。本文的研究目标在于设计一种忆阻Hopfield神经网络电路,通过该硬件电路实现图像复原和稀疏编码的应用。本文将忆阻与传统的Hopfield神经网络结合,设计了一种忆阻Hopfield神经网络电路,使用忆阻作为神经网络的突触,提高了整个电路的灵活性,并引入能量函数分析了所设计神经网络电路的稳定性。图像复原问题可以化为带有约束的误差函数最小化问题,利用Hopfield神经网络与能量函数,将图像复原问题转化为优化问题,并通过所设计的忆阻Hopfield神经网络电路对于图像复原问题进行求解。稀疏编码算法是为了找到一组稀疏向量,使得能够将输入的信息表示为这些稀疏向量与字典的线性组合。稀疏编码问题同样可以化为最小化问... 

【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】：72 页

【学位级别】：硕士

【部分图文】：

惠普实验室忆阻模型

种全连接型神经网络，具有离散和连续两种类型，这个网络题。本章首先介绍离散和连续的 Hopfield 神经网络。然后ld 神经网络电路的设计，并分析忆阻 Hopfield 神经网络的设计的忆阻 Hopfield 神经网络与传统的 Hopfield 神经网络网络具有的优势。 Hopfield 神经网络 1 所示为离散型 Hopfield 神经网络的结构示意图[58]。这种。全反馈网络的特点是任意神经元的输入都是由其他神经重 wij连接过来，相应地，任意神经元的输出也都通过一个元作为输入。每个神经元均有一个固定的阈值 ，离散 Hopf示为 。

图 3- 2 连续型 Hopfield 神经网络结构图在连续型 Hopfiled 神经网络中，神经元的输入电压用 uj表示，输出电压 vj表 ，任意两个神经元之间的连接权 用电阻的倒数电导表示，电阻起网络中突触的作用。每个运算放大器有两个输出，一个是正相输出，另外一输出。与运算放大器正相输出相连的电阻表示兴奋性突触，与运算放大器反连的电阻表示抑制性突触。每一个神经元的输入端都有一个外界输入偏置它相当于神经元的阈值。Cj和 Rj（1/gj）分别表示的是电容和电阻，电容和电阻并联模拟生物神经元数。图 3- 2 的电路可以用微分方程表示，由基尔霍夫定律得 连续型 Hopfield 神经网络中的激活函数为

【参考文献】：
期刊论文
[1]忆阻及其应用研究综述[J]. 王小平,沈轶,吴计生,孙军伟,李薇.  自动化学报. 2013(08)
[2]基于状态连续变化的Hopfield神经网络的图像复原[J]. 韩玉兵,吴乐南.  信号处理. 2004(05)
[3]精确复原退化图象的连续 Hopfield 网络研究[J]. 王磊,戚飞虎,莫玉龙.  上海交通大学学报. 1997(12)

博士论文
[1]忆阻多层神经网络的设计及其应用[D]. 张洋.华中科技大学 2017
[2]稀疏编码算法及其应用研究[D]. 尚丽.中国科学技术大学 2006

硕士论文
[1]一类改进的Hopfield图像复原算法[D]. 肖建.湖南大学 2010
[2]基于神经网络的图像复原方法研究[D]. 丁伟.江苏科技大学 2010
[3]基于Hopfield神经网络的图像恢复[D]. 王晗.华中科技大学 2006



本文编号：3443820