傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的發(fā)展解決了很多復(fù)雜的實(shí)際問(wèn)題,神經(jīng)網(wǎng)絡(luò)算法的硬件實(shí)現(xiàn)一直是科研人員研究的熱點(diǎn)和難點(diǎn)。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)電路中采用電阻或者CMOS器件作為突觸,突觸的權(quán)重一旦固定,便無(wú)法再修改,導(dǎo)致神經(jīng)網(wǎng)絡(luò)硬件的發(fā)展受到了限制,不能靈活地處理各種問(wèn)題。憶阻器是一種新興的簡(jiǎn)單二端元件,具有納米級(jí)尺寸、低功耗、非易失性和阻值可變等優(yōu)良特性,可以很好的替代電阻或CMOS器件作為神經(jīng)網(wǎng)絡(luò)中的突觸。本文的研究目標(biāo)在于設(shè)計(jì)一種憶阻Hopfield神經(jīng)網(wǎng)絡(luò)電路,通過(guò)該硬件電路實(shí)現(xiàn)圖像復(fù)原和稀疏編碼的應(yīng)用。本文將憶阻與傳統(tǒng)的Hopfield神經(jīng)網(wǎng)絡(luò)結(jié)合,設(shè)計(jì)了一種憶阻Hopfield神經(jīng)網(wǎng)絡(luò)電路,使用憶阻作為神經(jīng)網(wǎng)絡(luò)的突觸,提高了整個(gè)電路的靈活性,并引入能量函數(shù)分析了所設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)電路的穩(wěn)定性。圖像復(fù)原問(wèn)題可以化為帶有約束的誤差函數(shù)最小化問(wèn)題,利用Hopfield神經(jīng)網(wǎng)絡(luò)與能量函數(shù),將圖像復(fù)原問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題,并通過(guò)所設(shè)計(jì)的憶阻Hopfield神經(jīng)網(wǎng)絡(luò)電路對(duì)于圖像復(fù)原問(wèn)題進(jìn)行求解。稀疏編碼算法是為了找到一組稀疏向量,使得能夠?qū)⑤斎氲男畔⒈硎緸檫@些稀疏向量與字典的線性組合。稀疏編碼問(wèn)題同樣可以化為最小化問(wèn)... 

【文章來(lái)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(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

惠普實(shí)驗(yàn)室憶阻模型

種全連接型神經(jīng)網(wǎng)絡(luò)，具有離散和連續(xù)兩種類型，這個(gè)網(wǎng)絡(luò)題。本章首先介紹離散和連續(xù)的 Hopfield 神經(jīng)網(wǎng)絡(luò)。然后ld 神經(jīng)網(wǎng)絡(luò)電路的設(shè)計(jì)，并分析憶阻 Hopfield 神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)的憶阻 Hopfield 神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的 Hopfield 神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)具有的優(yōu)勢(shì)。 Hopfield 神經(jīng)網(wǎng)絡(luò) 1 所示為離散型 Hopfield 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖[58]。這種。全反饋網(wǎng)絡(luò)的特點(diǎn)是任意神經(jīng)元的輸入都是由其他神經(jīng)重 wij連接過(guò)來(lái)，相應(yīng)地，任意神經(jīng)元的輸出也都通過(guò)一個(gè)元作為輸入。每個(gè)神經(jīng)元均有一個(gè)固定的閾值 ，離散 Hopf示為 。

圖 3- 2 連續(xù)型 Hopfield 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖在連續(xù)型 Hopfiled 神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元的輸入電壓用 uj表示，輸出電壓 vj表 ，任意兩個(gè)神經(jīng)元之間的連接權(quán) 用電阻的倒數(shù)電導(dǎo)表示，電阻起網(wǎng)絡(luò)中突觸的作用。每個(gè)運(yùn)算放大器有兩個(gè)輸出，一個(gè)是正相輸出，另外一輸出。與運(yùn)算放大器正相輸出相連的電阻表示興奮性突觸，與運(yùn)算放大器反連的電阻表示抑制性突觸。每一個(gè)神經(jīng)元的輸入端都有一個(gè)外界輸入偏置它相當(dāng)于神經(jīng)元的閾值。Cj和 Rj（1/gj）分別表示的是電容和電阻，電容和電阻并聯(lián)模擬生物神經(jīng)元數(shù)。圖 3- 2 的電路可以用微分方程表示，由基爾霍夫定律得 連續(xù)型 Hopfield 神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)為

【參考文獻(xiàn)】：
期刊論文
[1]憶阻及其應(yīng)用研究綜述[J]. 王小平,沈軼,吳計(jì)生,孫軍偉,李薇.  自動(dòng)化學(xué)報(bào). 2013(08)
[2]基于狀態(tài)連續(xù)變化的Hopfield神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原[J]. 韓玉兵,吳樂(lè)南.  信號(hào)處理. 2004(05)
[3]精確復(fù)原退化圖象的連續(xù) Hopfield 網(wǎng)絡(luò)研究[J]. 王磊,戚飛虎,莫玉龍.  上海交通大學(xué)學(xué)報(bào). 1997(12)

博士論文
[1]憶阻多層神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)及其應(yīng)用[D]. 張洋.華中科技大學(xué) 2017
[2]稀疏編碼算法及其應(yīng)用研究[D]. 尚麗.中國(guó)科學(xué)技術(shù)大學(xué) 2006

碩士論文
[1]一類改進(jìn)的Hopfield圖像復(fù)原算法[D]. 肖建.湖南大學(xué) 2010
[2]基于神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原方法研究[D]. 丁偉.江蘇科技大學(xué) 2010
[3]基于Hopfield神經(jīng)網(wǎng)絡(luò)的圖像恢復(fù)[D]. 王晗.華中科技大學(xué) 2006



本文編號(hào)：3443820