基于忆阻器的神经网络构建与应用研究
发布时间：2021-01-26 05:46
忆阻器是与电阻、电容及电感并列的第四种基本电子器件,于1971年由蔡少棠教授提出,2008年惠普公司通过大量实验制造出纳米级忆阻器实物器件,此后,国内外学者开始加深对忆阻器的研究,经典的忆阻器模型不断被提出,忆阻器在非线性电路、保密通信、人工智能等领域的应用也不断增多。基于忆阻器的神经网络研究是近年来的研究热点,但大多都只限于神经网络的特性研究,并未涉及到忆阻神经网络的应用研究。本文提出一种改进型忆阻器模型的构建方法,基于此忆阻器模型构建汉明神经网络,并将汉明神经网络应用到交通方式识别领域。交通方式识别是近年来的新型研究领域,准确预测人们出行的交通方式有助于合理规划交通建设,减少交通拥堵,提高人们的出行速度。首先对现阶段忆阻器模型进行分析,结合各种经典忆阻器模型,提出了改进型忆阻器模型,改进型忆阻器模型主要由四个部分构成,分别是缓存单元、积分放大单元、电压偏置单元和线性光耦单元。该忆阻器模型较之传统忆阻器模型能够更精确读取忆阻值,并能保存断电前电路状态,简单分析其电路模型后再进行仿真,分别在不同频率下观察其电压与电流曲线变化情况。然后采用本文提出的改进型忆阻器模型模拟神经突触。由于忆阻...
【文章来源】： 邓鹏 湖南科技大学
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
线性磁控忆阻器特性曲线
湖南科技大学硕士学位论文-15-图2.7分段线性忆阻器电压电流关系Fig.2.7Voltageandcurrentrelationofpiecewiselinearmemristor2)非线性磁控忆阻器非线性磁控忆阻器模型中有公式(2.34)所示关系3q()ab(2.34)由公式(2.34)可得忆导值如公式(2.35)所示2w()a3b(2.35)化简得公式(2.36)2w()a(2.36)与分段线性磁控忆阻器一样，保持频率f=10HZ不变，改变参数α、β的大小，并在忆阻器模型两端施加公式(2.37)所示正弦电压，v(t)Asin(t)(2.37)可以得到，当α增大时，非线性忆阻器模型表现出更强的滞洄行为，当β增大时，滞洄行为反而减弱。2.3.2荷控型忆阻器1)分段线性荷控忆阻器该忆阻器模型的数学关系如公式(2.38)与公式(2.39)所示()(,,)()MvtMxitit(2.38)xf(x,i,t)(2.39)
第2章忆阻器-16-将电荷量代入得公式(2.40)与公式(2.41)(())MvMqti(2.40)dqidt(2.41)联立两式可得公式(2.42)120.5()[])()()MMTMTxiiiiixRRx(2.42)式中iM表示忆阻器电压，R2及R1为忆阻器的最大最小值，iT表示电路接通前的电压，α、β分别表示VM大于VT及VM小于VT时的斜率。图2.8为其忆阻器模型特性曲线。图2.8线性荷控忆阻器特性曲线Fig.2.8Characteristiccurveoflinearchargecontrolledmemristor与磁控忆阻器一样，保持频率f=10HZ不变，改变参数α、β的大小，并对忆阻器模型施加正弦电压，可以得到随着参数α、β的增大，系统表现出更强的滞洄行为，这与分段线性磁控忆阻器模型非常相似。2)非线性荷控忆阻器该忆阻器模型有公式(2.43)所示数学关系3(q)aqbq(2.43)其忆阻值可用公式(2.44)表示2M(q)a3bq(2.44)化简可得公式(2.45)2M(q)aq(2.45)通过与前文相似的分析可以得到随着α增大该忆阻器模型表现出更强的滞洄行为，当β增大时，滞洄行为反而减弱。非线性忆阻器模型的研究对忆阻器的发展具有很重要的意义，科学界也提出了很多非线性忆阻器模型，以Joglekan通过窗口函数实现的非线性忆阻器模型为例。该忆阻器模型可用公式(2.46)表示。
【参考文献】：
期刊论文
[1]动态贝叶斯网络结构搜索法辨识生物神经网络连接[J]. 陈晓艳,董朝轶. 生命科学研究. 2017(06)
[2]人工神经网络在吡喃酮类化合物生物活性预测中的应用[J]. 俞青芬. 江汉大学学报(自然科学版). 2017(05)
[3]Fixed-time synchronization of delayed memristor-based recurrent neural networks[J]. Jinde CAO,Ruoxia LI. Science China（Information Sciences）. 2017(03)
[4]基于智能手机大数据的交通出行方式识别研究[J]. 李喆,孙健,倪训友. 计算机应用研究. 2016(12)
[5]基于忆阻器反馈的Lorenz超混沌系统及其电路实现[J]. 阮静雅,孙克辉,牟俊. 物理学报. 2016(19)
[6]双极性忆阻器模型参数对蕴含逻辑门的影响[J]. 张波,蔡理,冯朝文,王森,杨晓阔,张明亮,秦涛,刘小强,崔焕卿. 微纳电子技术. 2016(04)
[7]A novel memristive neural network with hidden attractors and its circuitry implementation[J]. PHAM Viet Thanh,JAFARI Sajad,VAIDYANATHAN Sundarapandian,VOLOS Christos,WANG Xiong. Science China（Technological Sciences）. 2016(03)
[8]一种二次型忆阻器四阶混沌电路[J]. 余世成,曾以成,李志军. 计算物理. 2015(06)
[9]一个分数阶忆阻器模型及其简单串联电路的特性[J]. 俞亚娟,王在华. 物理学报. 2015(23)
[10]Path from schizophrenia genomics to biology:gene regulation and perturbation in neurons derived from induced pluripotent stem cells and genome editing[J]. Jubao Duan. Neuroscience Bulletin. 2015(01)
博士论文
[1]基于忆阻器的图像处理技术研究[D]. 周静.国防科学技术大学 2014
[2]右端非连续神经网络的动力学分析[D]. 肖剑.华中科技大学 2014
硕士论文
[1]忆阻器的电路特性研究及其应用[D]. 查金翔.苏州大学 2016
[2]基于智能手机的交通方式识别的研究与设计[D]. 李娅.湖南科技大学 2016
[3]基于智能手机的出行方式识别系统的设计和实现[D]. 张杰峰.华南理工大学 2016
[4]基于ART神经网络案例匹配的轨道交通智能数据诊断技术研究[D]. 严悦.南京理工大学 2013
[5]忆阻器混沌及其在语音保密通信系统中的应用研究[D]. 王伟玲.杭州电子科技大学 2012
本文编号：3000578
【文章来源】： 邓鹏 湖南科技大学
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
线性磁控忆阻器特性曲线
湖南科技大学硕士学位论文-15-图2.7分段线性忆阻器电压电流关系Fig.2.7Voltageandcurrentrelationofpiecewiselinearmemristor2)非线性磁控忆阻器非线性磁控忆阻器模型中有公式(2.34)所示关系3q()ab(2.34)由公式(2.34)可得忆导值如公式(2.35)所示2w()a3b(2.35)化简得公式(2.36)2w()a(2.36)与分段线性磁控忆阻器一样，保持频率f=10HZ不变，改变参数α、β的大小，并在忆阻器模型两端施加公式(2.37)所示正弦电压，v(t)Asin(t)(2.37)可以得到，当α增大时，非线性忆阻器模型表现出更强的滞洄行为，当β增大时，滞洄行为反而减弱。2.3.2荷控型忆阻器1)分段线性荷控忆阻器该忆阻器模型的数学关系如公式(2.38)与公式(2.39)所示()(,,)()MvtMxitit(2.38)xf(x,i,t)(2.39)
第2章忆阻器-16-将电荷量代入得公式(2.40)与公式(2.41)(())MvMqti(2.40)dqidt(2.41)联立两式可得公式(2.42)120.5()[])()()MMTMTxiiiiixRRx(2.42)式中iM表示忆阻器电压，R2及R1为忆阻器的最大最小值，iT表示电路接通前的电压，α、β分别表示VM大于VT及VM小于VT时的斜率。图2.8为其忆阻器模型特性曲线。图2.8线性荷控忆阻器特性曲线Fig.2.8Characteristiccurveoflinearchargecontrolledmemristor与磁控忆阻器一样，保持频率f=10HZ不变，改变参数α、β的大小，并对忆阻器模型施加正弦电压，可以得到随着参数α、β的增大，系统表现出更强的滞洄行为，这与分段线性磁控忆阻器模型非常相似。2)非线性荷控忆阻器该忆阻器模型有公式(2.43)所示数学关系3(q)aqbq(2.43)其忆阻值可用公式(2.44)表示2M(q)a3bq(2.44)化简可得公式(2.45)2M(q)aq(2.45)通过与前文相似的分析可以得到随着α增大该忆阻器模型表现出更强的滞洄行为，当β增大时，滞洄行为反而减弱。非线性忆阻器模型的研究对忆阻器的发展具有很重要的意义，科学界也提出了很多非线性忆阻器模型，以Joglekan通过窗口函数实现的非线性忆阻器模型为例。该忆阻器模型可用公式(2.46)表示。
【参考文献】：
期刊论文
[1]动态贝叶斯网络结构搜索法辨识生物神经网络连接[J]. 陈晓艳,董朝轶. 生命科学研究. 2017(06)
[2]人工神经网络在吡喃酮类化合物生物活性预测中的应用[J]. 俞青芬. 江汉大学学报(自然科学版). 2017(05)
[3]Fixed-time synchronization of delayed memristor-based recurrent neural networks[J]. Jinde CAO,Ruoxia LI. Science China（Information Sciences）. 2017(03)
[4]基于智能手机大数据的交通出行方式识别研究[J]. 李喆,孙健,倪训友. 计算机应用研究. 2016(12)
[5]基于忆阻器反馈的Lorenz超混沌系统及其电路实现[J]. 阮静雅,孙克辉,牟俊. 物理学报. 2016(19)
[6]双极性忆阻器模型参数对蕴含逻辑门的影响[J]. 张波,蔡理,冯朝文,王森,杨晓阔,张明亮,秦涛,刘小强,崔焕卿. 微纳电子技术. 2016(04)
[7]A novel memristive neural network with hidden attractors and its circuitry implementation[J]. PHAM Viet Thanh,JAFARI Sajad,VAIDYANATHAN Sundarapandian,VOLOS Christos,WANG Xiong. Science China（Technological Sciences）. 2016(03)
[8]一种二次型忆阻器四阶混沌电路[J]. 余世成,曾以成,李志军. 计算物理. 2015(06)
[9]一个分数阶忆阻器模型及其简单串联电路的特性[J]. 俞亚娟,王在华. 物理学报. 2015(23)
[10]Path from schizophrenia genomics to biology:gene regulation and perturbation in neurons derived from induced pluripotent stem cells and genome editing[J]. Jubao Duan. Neuroscience Bulletin. 2015(01)
博士论文
[1]基于忆阻器的图像处理技术研究[D]. 周静.国防科学技术大学 2014
[2]右端非连续神经网络的动力学分析[D]. 肖剑.华中科技大学 2014
硕士论文
[1]忆阻器的电路特性研究及其应用[D]. 查金翔.苏州大学 2016
[2]基于智能手机的交通方式识别的研究与设计[D]. 李娅.湖南科技大学 2016
[3]基于智能手机的出行方式识别系统的设计和实现[D]. 张杰峰.华南理工大学 2016
[4]基于ART神经网络案例匹配的轨道交通智能数据诊断技术研究[D]. 严悦.南京理工大学 2013
[5]忆阻器混沌及其在语音保密通信系统中的应用研究[D]. 王伟玲.杭州电子科技大学 2012
本文编号：3000578
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3000578.html
