本文關(guān)鍵詞：基于閾值自適應(yīng)憶阻模型的分析及應(yīng)用研究

  更多相關(guān)文章： 閾值自適應(yīng)憶阻器 組合電路 交叉陣列 邏輯運(yùn)算 小波神經(jīng)網(wǎng)絡(luò)

【摘要】：隨著超大規(guī)模集成電路(VLSI)進(jìn)入深亞微米級(jí)領(lǐng)域,電子設(shè)備集成規(guī)模日益龐大,而晶體管本身尺寸已接近極限,其可靠性和穩(wěn)定性在邏輯運(yùn)算,信息存儲(chǔ)等方面面臨著日益嚴(yán)峻的挑戰(zhàn)。近年來(lái),人工智能和人工神經(jīng)網(wǎng)絡(luò)發(fā)展迅猛,但也同樣受限于晶體管尺寸而無(wú)法實(shí)現(xiàn)大規(guī)模硬件實(shí)現(xiàn)。憶阻器作為下一代高性能的阻變存儲(chǔ)設(shè)備,其納米級(jí)尺寸和非易失性存儲(chǔ)的特性,有望延續(xù)“摩爾定律”,也契合了神經(jīng)形態(tài)系統(tǒng)大規(guī)模實(shí)現(xiàn)。隨著憶阻器理論的日臻完善,閾值自適應(yīng)憶阻(TEAM)模型開始受到越來(lái)越多研究者的關(guān)注,一方面它將憶阻器內(nèi)部狀態(tài)跳變閾值定義到模型內(nèi)部,填補(bǔ)了經(jīng)典二端惠普模型中阻變閾值表達(dá)的缺失;另一方面,TEAM模型以塞蒙斯隧道結(jié)(Simmons Tunnel Model)理論作為物理依據(jù),使它成為更接近實(shí)際情況的憶阻器模型;最后,其參數(shù)可調(diào)展現(xiàn)出的靈活性,使TEAM模型有望成為下一代通用憶阻器模型。將閾值自適應(yīng)憶阻模型應(yīng)用于邏輯運(yùn)算、交叉陣列存儲(chǔ)和神經(jīng)形態(tài)系統(tǒng)不但能大大降低電路體積,也更利于探究實(shí)際憶阻系統(tǒng)特性,對(duì)憶阻系統(tǒng)大規(guī)模集成具有重要意義。本文針對(duì)閾值自適應(yīng)憶阻模型,在分析其內(nèi)部特性和組合電路的基礎(chǔ)上,將其應(yīng)用于邏輯運(yùn)算、多值存儲(chǔ)和小波神經(jīng)網(wǎng)絡(luò)的神經(jīng)形態(tài)系統(tǒng)中,具體如下:(1)總結(jié)基本憶阻器模型和幾種典型窗函數(shù),并用于模擬憶阻器內(nèi)部離子邊界漂移特性。在此基礎(chǔ)之上,介紹Simmons隧道結(jié)模型和兩種閾值自適應(yīng)模型(電流閾值TEAM、電壓閾值VTEAM),推導(dǎo)出閾值自適應(yīng)模型窗函數(shù)表達(dá)式,通過(guò)仿真可見(jiàn)閾值自適應(yīng)憶阻模型和Simmons隧道結(jié)模型的高度擬合性。(2)提出基于閾值自適應(yīng)憶阻模型內(nèi)部多參數(shù)的蒙特卡洛分析方法,通過(guò)蒙特卡洛分析揭示了閾值自適應(yīng)憶阻模型上下邊界單邊可調(diào)性、開關(guān)變換非對(duì)稱性等內(nèi)部機(jī)理。進(jìn)一步,對(duì)TEAM進(jìn)行串并聯(lián)組合電路仿真分析,展示組合電路總阻值變化規(guī)律及其極性對(duì)阻值的影響。(3)針對(duì)閾值自適應(yīng)模型中不同極性的閾值電壓,提出VTEAM組合邏輯運(yùn)算電路,進(jìn)而仿真實(shí)現(xiàn)與、或、非、與非、或非五種邏輯運(yùn)算,推導(dǎo)了不同邏輯組合的外加激勵(lì)限制條件。此外,提出了一種基于TEAM模型的新型憶阻交叉電路存儲(chǔ)結(jié)構(gòu),相較于以往憶阻交叉電路,該結(jié)構(gòu)采用了多值電壓控制方式,在多值圖像讀寫方面并行處理性能更為優(yōu)良。(4)將閾值自適應(yīng)憶阻器與小波神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出憶阻小波神經(jīng)網(wǎng)絡(luò)(MWNN),推導(dǎo)VTEAM在不同周期脈沖激勵(lì)下憶阻值的連續(xù)變化,證明了VTEAM模型作為電子突觸實(shí)現(xiàn)動(dòng)態(tài)權(quán)值更新的可能性。進(jìn)一步將完成的硬件化的MWNN用于短時(shí)交通流預(yù)測(cè)中,驗(yàn)證了整個(gè)設(shè)計(jì)的正確性。
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP333

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 蔡念,胡匡祜,李淑宇,蘇萬(wàn)芳;小波神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[J];中國(guó)體視學(xué)與圖像分析;2001年04期

2 吳曦,康會(huì)光;基于隨機(jī)小波神經(jīng)網(wǎng)絡(luò)的一類隨機(jī)過(guò)程的逼近[J];安陽(yáng)師范學(xué)院學(xué)報(bào);2002年02期

3 丁勇,劉守生,胡壽松;一種廣義小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及其優(yōu)化方法[J];控制理論與應(yīng)用;2003年01期

4 劉雨華,葉小嶺,周媛;小波神經(jīng)網(wǎng)絡(luò)在綜合評(píng)價(jià)中的應(yīng)用[J];統(tǒng)計(jì)與決策;2005年15期

5 劉景艷;鄒有明;;小波神經(jīng)網(wǎng)絡(luò)在提升設(shè)備故障診斷中的應(yīng)用[J];煤礦機(jī)械;2006年04期

6 韓寶如;孟玲玲;;一種基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法[J];電子測(cè)量技術(shù);2006年06期

7 李建麗;鐘儀華;李智超;;小波神經(jīng)網(wǎng)絡(luò)多屬性綜合評(píng)價(jià)及其應(yīng)用[J];科技資訊;2008年03期

8 劉淵;戴悅;曹建華;;基于小波神經(jīng)網(wǎng)絡(luò)的流量混沌時(shí)間序列預(yù)測(cè)[J];計(jì)算機(jī)工程;2008年16期

9 張坤;;小波神經(jīng)網(wǎng)絡(luò)在糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2010年03期

10 左磊;侯立剛;高大明;彭曉宏;吳武臣;;基于粒子群-小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J];北京工業(yè)大學(xué)學(xué)報(bào);2010年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機(jī)故障診斷[A];2009中國(guó)控制與決策會(huì)議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號(hào)識(shí)別中的應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟(jì)下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項(xiàng)式的混合預(yù)測(cè)方法在通信規(guī)劃中的應(yīng)用[A];2011全國(guó)無(wú)線及移動(dòng)通信學(xué)術(shù)大會(huì)論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測(cè)的動(dòng)態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測(cè)應(yīng)用研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六省（區(qū)）自動(dòng)化學(xué)會(huì)第24屆學(xué)術(shù)年會(huì)會(huì)議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機(jī)特性回歸[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進(jìn)遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號(hào)自動(dòng)識(shí)別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問(wèn)題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運(yùn)動(dòng)控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)雷達(dá)相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問(wèn)題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問(wèn)題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張清華;小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2009年

2 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)與研究[D];哈爾濱理工大學(xué);2009年

3 張蓉暉;小波神經(jīng)網(wǎng)絡(luò)及其在模擬電路診斷中的應(yīng)用[D];華中科技大學(xué);2008年

4 吳曦;基于隨機(jī)小波神經(jīng)網(wǎng)絡(luò)的一類隨機(jī)過(guò)程的逼近[D];西北工業(yè)大學(xué);2001年

5 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

6 孫新強(qiáng);基于小波神經(jīng)網(wǎng)絡(luò)的板料沖壓回彈研究[D];西南交通大學(xué);2015年

7 但立;基于小波神經(jīng)網(wǎng)絡(luò)的地面三維激光掃描點(diǎn)云數(shù)據(jù)的滑坡監(jiān)測(cè)研究[D];長(zhǎng)安大學(xué);2015年

8 葛小川;基于小波神經(jīng)網(wǎng)絡(luò)的某坦克炮平衡與定位控制[D];南京理工大學(xué);2015年

9 蔡崇國(guó);小波分析在大功率交流伺服系統(tǒng)中的應(yīng)用研究[D];南京理工大學(xué);2015年

10 盧金長(zhǎng);數(shù)據(jù)挖掘技術(shù)在上證指數(shù)預(yù)測(cè)中的應(yīng)用研究[D];云南財(cái)經(jīng)大學(xué);2015年

，

本文編號(hào)：1232516