在信息化社會不斷發(fā)展的過程中,利用大規(guī)模集成電路來模擬生物學上大腦的信息處理過程的神經形態(tài)技術在自動控制、模式識別和人工智能等領域起著舉足輕重的作用。由于CMOS工藝的物理限制導致了摩爾定律也逐漸走向盡頭,傳統(tǒng)突觸的尺寸和性能也不能夠進一步得到優(yōu)化,這就直接阻礙了神經形態(tài)技術朝著高密度、高可靠性的方向發(fā)展。新型電路元件憶阻具有高密度、低功耗和非易失性等特點使其成為了新型神經網絡突觸的理想替代者,這就為神經形態(tài)技術的進一步發(fā)展提供了一個契機。本文首先對憶阻的理論基礎進行了深入分析,闡述了惠普憶阻的內部機理和數(shù)學模型,為了使惠普憶阻更加切合實際需求,本文給出了惠普閾值模型并詳細分析了其阻值的變化規(guī)律。接著給出了已有文獻中的兩種經典的憶阻橋式突觸電路及其相應的神經網絡架構,分析了它們的工作原理并通過仿真得到驗證。然后本文重點給出了由一個憶阻和四個晶體管組成的4T1M突觸電路,仿真結果成功驗證了其可實現(xiàn)正、零和負權值,接著設計了基于4T1M突觸的神經元單元結構,通過數(shù)學分析了其實現(xiàn)輸入加權求和的原理,設計了基于4T1M突觸的多層神經網絡架構,所有這些設計電路的分析結果也通過仿真得到了驗證。然后... 

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀與發(fā)展趨勢
    1.3 本文的研究內容
    1.4 論文的組織結構
2 憶阻模型及橋式憶阻神經網絡基礎
    2.1 憶阻器基礎
    2.2 惠普憶阻器理論
    2.3 惠普閾值憶阻模型建立與仿真
    2.4 憶阻橋式突觸神經網絡架構
    2.5 本章小結
3 4T1M突觸神經網絡架構的構建
    3.1 4T1M突觸的原理及其仿真
    3.2 基于4T1M突觸的神經元設計與仿真
    3.3 基于4T1M突觸的神經網絡設計
    3.4 本章小結
4 4T1M突觸神經網絡的片上學習
    4.1 誤差后向傳播算法
    4.2 基于4T1M神經網絡的片上學習電路
    4.3 邏輯“與”的片上學習與仿真
    4.4 本章小結
5 4T1M突觸神經網絡的邏輯分類與陣列設計
    5.1 基于4T1M神經網絡的邏輯分類
    5.2 4T1M神經網絡陣列設計
    5.3 基于4T1M陣列的可配置邏輯應用
    5.4 本章小結
6 總結與展望
    6.1 全文總結
    6.2 展望
致謝
參考文獻
附錄1 攻讀碩士學位期間發(fā)表的論文
附錄2 攻讀碩士學位期間參加的科研項目和獲得的榮譽獎勵



本文編號：3672740