人工神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能領(lǐng)域近年來最熱門的研究方向之一,并成功地解決了機(jī)器人、工業(yè)、生物、醫(yī)學(xué)和經(jīng)濟(jì)等領(lǐng)域許多實(shí)際問題。隨著互聯(lián)網(wǎng)及大數(shù)據(jù)時(shí)代的到來,神經(jīng)網(wǎng)絡(luò)所要處理的信息呈現(xiàn)爆發(fā)式增長,基于馮·諾依曼結(jié)構(gòu)的計(jì)算機(jī)很難應(yīng)對(duì)日益增長的數(shù)據(jù)處理要求。因此,建立能夠進(jìn)行實(shí)時(shí)數(shù)據(jù)處理與超大并行計(jì)算的神經(jīng)網(wǎng)絡(luò)硬件電路已成為迫切需求。憶阻交叉陣列所固有的并行計(jì)算及存算相融合的天然優(yōu)勢(shì),為這一問題提供解決思路,憶阻神經(jīng)網(wǎng)絡(luò)研究得到學(xué)者的廣泛關(guān)注。經(jīng)過多年的發(fā)展,憶阻神經(jīng)網(wǎng)絡(luò)電路研究已經(jīng)取得豐碩成果,并成功實(shí)現(xiàn)了圖像處理,模式識(shí)別等應(yīng)用,但存在如下兩個(gè)問題值得關(guān)注:（1）網(wǎng)絡(luò)的部分訓(xùn)練過程通常是通過線下系統(tǒng)實(shí)現(xiàn)的,需要借助計(jì)算機(jī)或者數(shù)字芯片進(jìn)行相關(guān)輔助計(jì)算。（2）已有的設(shè)計(jì)大都沒有給出完整的神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)電路,不能在硬件上執(zhí)行完整的在線學(xué)習(xí)過程。針對(duì)上述問題,本文研究圍繞憶阻神經(jīng)網(wǎng)絡(luò)的全電路設(shè)計(jì)而展開,根據(jù)實(shí)物憶阻數(shù)據(jù),構(gòu)建相應(yīng)的憶阻模型,設(shè)計(jì)憶阻突觸與神經(jīng)元電路,研究如何將算法引入到憶阻電路中,設(shè)計(jì)憶阻學(xué)習(xí)電路。最后根據(jù)神經(jīng)網(wǎng)絡(luò)基本理論,設(shè)計(jì)全電路憶阻神經(jīng)網(wǎng)絡(luò),建立神經(jīng)網(wǎng)絡(luò)在線學(xué)習(xí)電路來解決圖像識(shí)... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：148 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACTS
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文的結(jié)構(gòu)安排
2 漂移速度自適應(yīng)的憶阻模型
    2.1 引言
    2.2 憶阻器新模型介紹
    2.3 實(shí)驗(yàn)及分析
    2.4 本章小結(jié)
3 憶阻突觸與神經(jīng)元電路設(shè)計(jì)
    3.1 引言
    3.2 憶阻突觸設(shè)計(jì)
    3.3 憶阻神經(jīng)元電路設(shè)計(jì)
    3.4 憶阻LIF神經(jīng)元電路設(shè)計(jì)
    3.5 本章小結(jié)
4 憶阻學(xué)習(xí)電路設(shè)計(jì)
    4.1 引言
    4.2 憶阻自學(xué)習(xí)神經(jīng)元電路
    4.3 憶阻自學(xué)習(xí)邏輯電路
    4.4 憶阻TRIPLET-STDP學(xué)習(xí)電路
    4.5 本章小結(jié)
5 憶阻神經(jīng)網(wǎng)絡(luò)電路
    5.1 引言
    5.2 感知神經(jīng)網(wǎng)絡(luò)的電路實(shí)現(xiàn)
    5.3 RBF神經(jīng)網(wǎng)絡(luò)
    5.4 多層憶阻神經(jīng)網(wǎng)絡(luò)電路
    5.5 本章小結(jié)
6 憶阻HOPFIELD神經(jīng)網(wǎng)絡(luò)電路
    6.1 引言
    6.2 圖像復(fù)原背景
    6.3 連續(xù)HOPFIELD神經(jīng)網(wǎng)絡(luò)電路設(shè)計(jì)
    6.4 仿真分析
    6.5 比較與魯棒性分析
    6.6 本章小結(jié)
7 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
致謝
參考文獻(xiàn)
附錄1 攻讀博士學(xué)位期間的主要成果
附錄2 攻讀博士學(xué)位期間參加的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]Modulating 3D memristor synapse by analog spiking pulses for bioinspired neuromorphic computing[J]. Qi Liu,XuMeng Zhang,Qing Luo,XiaoLong Zhao,HangBing Lv,ShiBing Long,Ming Liu.  Science China（Physics,Mechanics & Astronomy）. 2018(08)
[2]Excitatory and inhibitory actions of a memristor bridge synapse[J]. Changju YANG,Shyam Prasad ADHIKARI,Hyongsuk KIM.  Science China（Information Sciences）. 2018(06)
[3]基于憶阻器模擬的突觸可塑性的研究進(jìn)展[J]. 張晨曦,陳艷,儀明東,朱穎,李騰飛,劉露濤,王來源,解令海,黃維.  中國科學(xué):信息科學(xué). 2018(02)
[4]基于神經(jīng)元晶體管和憶阻器的Hopfield神經(jīng)網(wǎng)絡(luò)及其在聯(lián)想記憶中的應(yīng)用[J]. 朱航濤,王麗丹,段書凱,楊婷.  西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[5]神經(jīng)形態(tài)器件現(xiàn)狀與未來[J]. 殷明慧,楊玉超,黃如.  國防科技. 2016(06)
[6]基于憶阻器的存儲(chǔ)與計(jì)算融合理論與實(shí)現(xiàn)[J]. 李祎,繆向水.  國防科技. 2016(06)
[7]一種改進(jìn)的WOx憶阻器模型及其突觸特性分析[J]. 孟凡一,段書凱,王麗丹,胡小方,董哲康.  物理學(xué)報(bào). 2015(14)
[8]兩類納米級(jí)非線性憶阻器模型及串并聯(lián)研究[J]. 董哲康,段書凱,胡小方,王麗丹.  物理學(xué)報(bào). 2014(12)
[9]基于憶阻器的神經(jīng)突觸仿生器件研究[J]. 劉益春,徐海陽,王中強(qiáng),張磊.  科學(xué). 2013(02)
[10]憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)及圖像去噪和邊緣提取中的應(yīng)用[J]. 高士詠,段書凱,王麗丹.  西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(11)

碩士論文
[1]基于憶阻器的競爭神經(jīng)網(wǎng)絡(luò)研究[D]. 詹稀童.電子科技大學(xué) 2018



本文編號(hào)：2957327