当前位置:主页 > 科技论文 > 自动化论文 >

双极性脉冲忆阻桥电子突触神经网络及图像处理

发布时间:2018-01-09 00:01

  本文关键词:双极性脉冲忆阻桥电子突触神经网络及图像处理 出处:《中国科学:信息科学》2017年03期  论文类型:期刊论文


  更多相关文章: 忆阻器 忆阻桥突触 双极性脉冲发生器 神经网络 图像处理


【摘要】:忆阻器是一种具有天然信息存储能力和纳米级尺寸的类突触元件,由忆阻器构成的桥式突触电路结构简单、控制精确,有望应用于人工神经网络、超大规模集成电路、图像处理、模式识别等领域,然而传统的忆阻桥突触电路在突触模拟的过程中,由于单极性脉冲造成的通量积累会对权值模拟产生一定的误差.本文提出了一种新型的忆阻突触桥电路,该电路有效克服了传统桥电路忆阻值漂移的问题,由该电路构成的新型忆阻神经网络应用于图像处理中有着更为明显的优势,文中通过仿真实验验证了该方案的可行性,说明基于双极性脉冲发生器忆阻桥神经网络具有更加高效的仿生特性,而且集成度更高、模板更易更换,有望更有效解决实时的复杂的智能问题.
[Abstract]:Memristor is a kind of synaptic element with natural information storage ability and nanometer size. The bridge synaptic circuit composed of amnesia is simple in structure and accurate in control. It is expected to be used in artificial neural networks. VLSI, image processing, pattern recognition and other fields, however, the traditional memory bridge synaptic circuit in the process of synaptic simulation. Due to the flux accumulation caused by unipolar pulse, a novel amnesia synaptic bridge circuit is proposed, which overcomes the problem of amnesia drift in traditional bridge circuits. A new type of amnesia neural network composed of this circuit has more obvious advantages in image processing. The feasibility of this scheme is verified by simulation experiments in this paper. The results show that the neural network based on bipolar pulse generator amnesia bridge has more efficient biomimetic characteristics, higher integration and easier replacement of templates, which is expected to solve the real time complex intelligent problem more effectively.
【作者单位】: 非线性电路与智能信息处理重庆市重点实验室;西南大学电子信息工程学院;
【基金】:国家自然科学基金(批准号:61372139,61571372,61101233,60972155) 新世纪优秀人才支持计划(批准号:教技函[2013]47号) 教育部“春晖计划”科研项目(批准号:z2011148) 中央高校基本科研业务费专项资金(批准号:XDJK2016A001,XDJK-2014A009) 留学人员科技活动项目择优资助经费(批准号:渝人社办[2012]186号) 重庆市高等学校优秀人才支持计划(批准号:渝教人[2011]65号)
【分类号】:TP391.41;TP183
【正文快照】: 双极性脉冲忆阻桥电子突触神经网络及图像处理冯广1,2,段书凯1,2*,王丽丹1,21.非线性电路与智能信息处理重庆市重点实验室,重庆4007152.西南大学电子信息工程学院,重庆400715国家自然科学基金(批准号:61372139,61571372,61101233,60972155)、新世纪优秀人才支持计划(批准号:教

【相似文献】

相关期刊论文 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 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

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

相关会议论文 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

相关重要报纸文章 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

相关博士学位论文 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 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

相关硕士学位论文 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年



本文编号:1399172

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1399172.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b34b6***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com