【摘要】：當前計算機發(fā)展由于馮諾依曼架構(gòu)限制和摩爾定律逐漸失效,已經(jīng)接近瓶頸。而另一方面,在大數(shù)據(jù)時代亟需研發(fā)新一代的計算架構(gòu)與硬件,這種新型計算機能夠依托有限的帶寬與存儲容量,智能、實時并高效的處理數(shù)據(jù)量極為龐大的視頻數(shù)據(jù)流,實現(xiàn)如目標運動模式識別等智能計算需求。計算存儲一體化的神經(jīng)網(wǎng)絡(luò)和神經(jīng)形態(tài)硬件為這提供了一條全新的道路。我們研究的脈沖神經(jīng)網(wǎng)絡(luò)是基于類腦研究的具有很高生物似真性的網(wǎng)絡(luò),采取了不同于當前馮諾依曼結(jié)構(gòu)的新計算架構(gòu),實現(xiàn)了計算存儲一體,且具有超低功耗、智能學(xué)習(xí)等仿生物大腦的優(yōu)點。我們首先制備硅酸鋰(LiSiOx)憶阻器作為神經(jīng)形態(tài)硬件,基于其憶阻特性在實驗上實現(xiàn)了生物突觸的STDP(Spike Timing-Dependent Plasticity)功能。在此基礎(chǔ)上,我們構(gòu)建了單層神經(jīng)網(wǎng)絡(luò),采用基于地址事件表達AER(Address Event Represent)動態(tài)視覺傳感器DVS(Dynamic Vision System)編碼視頻作為輸入,利用上述LiSiOx憶阻特性,實現(xiàn)了視頻中運動物體軌跡的識別。本工作研究內(nèi)容與取得成果為下:(1)我們成功制備并表征了LiSiOx憶阻器,基于其憶阻導(dǎo)電機理,設(shè)計了人工突觸,通過神經(jīng)元脈沖波形的優(yōu)化設(shè)計與調(diào)制,實驗實現(xiàn)了仿真生物突觸的STDP功能。(2)我們系統(tǒng)研究了用于動態(tài)模式識別的脈沖神經(jīng)網(wǎng)絡(luò)編碼方式、學(xué)習(xí)法則以及神經(jīng)元模型等,討論了如何使用稀疏編碼的DVS信號和憶阻器構(gòu)建神經(jīng)網(wǎng)絡(luò),并針對運動模式的兩種輸入信號設(shè)計憶阻突觸對構(gòu)建該神經(jīng)網(wǎng)絡(luò)的突觸陣列,用在線的非監(jiān)督學(xué)習(xí)成功實現(xiàn)了十二種運動模式的學(xué)習(xí)。(3)我們對非監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的重復(fù)學(xué)習(xí)和貪婪學(xué)習(xí)問題進入了深入討論,從側(cè)向抑制延遲引入了WTA(winner take all)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模式容量問題,研究了其與憶阻突觸權(quán)重初始分布的關(guān)系,結(jié)論是——憶阻突觸權(quán)重初始分布較大或者較小會導(dǎo)致無效學(xué)習(xí)或重復(fù)學(xué)習(xí)等問題。(4)我們重點討論了突觸初始權(quán)重分布和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模式容量之間的關(guān)系,通過調(diào)整LiSiOx憶阻器的forming電壓實現(xiàn)對其初始權(quán)重分布的調(diào)制,成功的實現(xiàn)了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模式容量最大化。我們據(jù)此提出了脈沖神經(jīng)網(wǎng)絡(luò)應(yīng)用于動態(tài)模式識別的軟硬件協(xié)同設(shè)計方法。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN60;TP183
【圖文】：

使用非易失性存儲設(shè)備，如憶阻器，將其作為儲一體化，而且由于它可以多級存儲，所以它結(jié)構(gòu)上可以做到很小，理論上單個憶阻器也可以低功耗、結(jié)構(gòu)簡單、易于 3D 集成、可執(zhí)行邏輯優(yōu)點。憶阻器為存儲一體化的大規(guī)模類腦神經(jīng)可能。研究進展具有記憶的電阻器，在 1971 年由加州大學(xué)伯克利提出的一種新型器件[3]。 它是一種除電阻、電，傳統(tǒng)的歐姆定律不再適用，其電阻具有狀態(tài)依

當其電導(dǎo)值取決于流過該器件電荷總量的二端n Chua 完善并推廣了憶阻器的相關(guān)理論，極大點即可被稱為憶阻器，（1）在雙極性周期性信滯回線。（2）隨著電信號掃描頻率慢慢增加，。（3）當?shù)诙c推至極限時，即掃描頻率趨近函數(shù)。概念的提出令人激動，但是在概念被提出后的取得太大進展。直到 2008 才出現(xiàn)突破性進展，出 Pt/TiO2/Pt 憶阻器[4]，其為三明治結(jié)構(gòu)，如下是 Pt 金屬，中間夾一層 TiO2半導(dǎo)體薄膜。圖 捏滯回線，D. B. Strukov 等人也在文章中參照 L進行解釋。

【相似文獻】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點預(yù)測法[J];金融經(jīng)濟;2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會述評[J];國際學(xué)術(shù)動態(tài);1996年01期

3 王方;苗放;陳墾;;基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害監(jiān)測預(yù)警仿真[J];計算機仿真;2019年11期

4 馬猛;王明紅;;基于進化神經(jīng)網(wǎng)絡(luò)的304不銹鋼車削加工表面粗糙度預(yù)測[J];輕工機械;2019年06期

5 莊連生;呂揚;楊健;李厚強;;時頻聯(lián)合長時循環(huán)神經(jīng)網(wǎng)絡(luò)[J];計算機研究與發(fā)展;2019年12期

6 李杰;孫仁誠;;幾種典型卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重分析與研究[J];青島大學(xué)學(xué)報(自然科學(xué)版);2019年04期

7 岳新;杜玉紅;蔡文超;;基于GA-BP神經(jīng)網(wǎng)絡(luò)異纖分揀機檢測參數(shù)優(yōu)化[J];棉紡織技術(shù);2020年01期

8 趙偉榮;李慧;;基于集成神經(jīng)網(wǎng)絡(luò)的織物主觀風格預(yù)測研究[J];紡織科技進展;2020年01期

9 李金堂;;試析神經(jīng)網(wǎng)絡(luò)技術(shù)在機械工程中的應(yīng)用及發(fā)展[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2020年02期

10 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識別[J];通訊世界;2018年12期

相關(guān)會議論文 前10條

1 孫軍田;張U

本文編號：2734409