基于阈值自适应忆阻模型的分析及应用研究

发布时间：2017-11-27 16:36

  本文关键词：基于阈值自适应忆阻模型的分析及应用研究

  更多相关文章： 阈值自适应忆阻器 组合电路 交叉阵列 逻辑运算 小波神经网络

【摘要】：随着超大规模集成电路(VLSI)进入深亚微米级领域,电子设备集成规模日益庞大,而晶体管本身尺寸已接近极限,其可靠性和稳定性在逻辑运算,信息存储等方面面临着日益严峻的挑战。近年来,人工智能和人工神经网络发展迅猛,但也同样受限于晶体管尺寸而无法实现大规模硬件实现。忆阻器作为下一代高性能的阻变存储设备,其纳米级尺寸和非易失性存储的特性,有望延续“摩尔定律”,也契合了神经形态系统大规模实现。随着忆阻器理论的日臻完善,阈值自适应忆阻(TEAM)模型开始受到越来越多研究者的关注,一方面它将忆阻器内部状态跳变阈值定义到模型内部,填补了经典二端惠普模型中阻变阈值表达的缺失;另一方面,TEAM模型以塞蒙斯隧道结(Simmons Tunnel Model)理论作为物理依据,使它成为更接近实际情况的忆阻器模型;最后,其参数可调展现出的灵活性,使TEAM模型有望成为下一代通用忆阻器模型。将阈值自适应忆阻模型应用于逻辑运算、交叉阵列存储和神经形态系统不但能大大降低电路体积,也更利于探究实际忆阻系统特性,对忆阻系统大规模集成具有重要意义。本文针对阈值自适应忆阻模型,在分析其内部特性和组合电路的基础上,将其应用于逻辑运算、多值存储和小波神经网络的神经形态系统中,具体如下:(1)总结基本忆阻器模型和几种典型窗函数,并用于模拟忆阻器内部离子边界漂移特性。在此基础之上,介绍Simmons隧道结模型和两种阈值自适应模型(电流阈值TEAM、电压阈值VTEAM),推导出阈值自适应模型窗函数表达式,通过仿真可见阈值自适应忆阻模型和Simmons隧道结模型的高度拟合性。(2)提出基于阈值自适应忆阻模型内部多参数的蒙特卡洛分析方法,通过蒙特卡洛分析揭示了阈值自适应忆阻模型上下边界单边可调性、开关变换非对称性等内部机理。进一步,对TEAM进行串并联组合电路仿真分析,展示组合电路总阻值变化规律及其极性对阻值的影响。(3)针对阈值自适应模型中不同极性的阈值电压,提出VTEAM组合逻辑运算电路,进而仿真实现与、或、非、与非、或非五种逻辑运算,推导了不同逻辑组合的外加激励限制条件。此外,提出了一种基于TEAM模型的新型忆阻交叉电路存储结构,相较于以往忆阻交叉电路,该结构采用了多值电压控制方式,在多值图像读写方面并行处理性能更为优良。(4)将阈值自适应忆阻器与小波神经网络相结合,提出忆阻小波神经网络(MWNN),推导VTEAM在不同周期脉冲激励下忆阻值的连续变化,证明了VTEAM模型作为电子突触实现动态权值更新的可能性。进一步将完成的硬件化的MWNN用于短时交通流预测中,验证了整个设计的正确性。
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP333

【相似文献】

中国期刊全文数据库 前10条

1 蔡念,胡匡祜,李淑宇,苏万芳;小波神经网络及其应用[J];中国体视学与图像分析;2001年04期

2 吴曦,康会光;基于随机小波神经网络的一类随机过程的逼近[J];安阳师范学院学报;2002年02期

3 丁勇,刘守生,胡寿松;一种广义小波神经网络的结构及其优化方法[J];控制理论与应用;2003年01期

4 刘雨华,叶小岭,周媛;小波神经网络在综合评价中的应用[J];统计与决策;2005年15期

5 刘景艳;邹有明;;小波神经网络在提升设备故障诊断中的应用[J];煤矿机械;2006年04期

6 韩宝如;孟玲玲;;一种基于小波神经网络的模拟电路故障诊断方法[J];电子测量技术;2006年06期

7 李建丽;钟仪华;李智超;;小波神经网络多属性综合评价及其应用[J];科技资讯;2008年03期

8 刘渊;戴悦;曹建华;;基于小波神经网络的流量混沌时间序列预测[J];计算机工程;2008年16期

9 张坤;;小波神经网络在粮食产量预测中的应用[J];计算机与数字工程;2010年03期

10 左磊;侯立刚;高大明;彭晓宏;吴武臣;;基于粒子群-小波神经网络的模拟电路故障诊断[J];北京工业大学学报;2010年03期

中国重要会议论文全文数据库 前10条

1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集（2）[C];2009年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年

4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年

5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年

7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年

9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年

10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

中国博士学位论文全文数据库 前10条

1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年

3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年

10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年

中国硕士学位论文全文数据库 前10条

1 张清华;小波神经网络参数优化及其应用[D];东北农业大学;2009年

2 王建双;基于小波神经网络控制器设计与研究[D];哈尔滨理工大学;2009年

3 张蓉晖;小波神经网络及其在模拟电路诊断中的应用[D];华中科技大学;2008年

4 吴曦;基于随机小波神经网络的一类随机过程的逼近[D];西北工业大学;2001年

5 王勇;基于小波神经网络的模拟电路故障诊断的研究[D];内蒙古工业大学;2006年

6 孙新强;基于小波神经网络的板料冲压回弹研究[D];西南交通大学;2015年

7 但立;基于小波神经网络的地面三维激光扫描点云数据的滑坡监测研究[D];长安大学;2015年

8 葛小川;基于小波神经网络的某坦克炮平衡与定位控制[D];南京理工大学;2015年

9 蔡崇国;小波分析在大功率交流伺服系统中的应用研究[D];南京理工大学;2015年

10 卢金长;数据挖掘技术在上证指数预测中的应用研究[D];云南财经大学;2015年

，

本文编号：1232516