基于忆阻器的细胞神经网络及在图像处理中的应用

该文构建一种新的忆阻细胞神经网络,改进传统的忆阻突触桥电路,使之除了具有传统突触桥电路的优势外,还具有更加简化的电路和简化的权值变化条件.通过仿真电路模拟器(SPICE)仿真模拟该突触电路能够实现权值运算.将忆阻细胞神经网络用于图像处理的去噪和边缘提取,实验结果表明忆阻细胞神经网络在图像处理的应用中具有良好的效果.该文...     

忆阻器类脑神经突触的研究进展

大脑之所以能够控制人和动物的复杂生命活动，使生物体在多变的自然环境得以生存，得益于大规模神经网络中高效、快速、精准的信息传递。神经突触作为神经元之间信息传递的重要机构，保证了神经网络的高效运转，因此构建具有神经突触功能的电子突触是研究仿生系统和类脑神经网络的必经之路。研究人员尝试各种电子元件对神经突触进行模拟，其中忆阻器由于其独特的器件结构和具有“记忆特性”的电学性能，成为构建类脑神经突触的最佳选择。文章全面概述近年来忆阻器模拟神经突触的研究进展，包括忆阻器模拟神经突触的可塑性、再可塑性、非联想学习、联想学习等功能，总结了忆阻器神经突触在人工神经网络中的应用、存在的问题和挑战，并对忆阻器神经突触的研究进行展望。     

多种连接模型的忆阻神经网络学习

忆阻器以其独特的非易失性、天然的记忆功能以及纳米级尺寸,在人工神经网络、信号处理和模式识别等方面展现了巨大的应用前景。采用了基于STDP学习规则的忆阻神经网络,运用了网络自适应突变以及网络拓扑结构变化的基因算法,其中包括隐藏层神经元个数,连接权重以及神经网络突触模型的变化。比较了基于HP线性忆阻器模型,非线性忆阻器模型以及阈值模型这3种不同忆阻器模型的忆阻神经网络,并提出了学习效果更好的混合型忆阻神经网络。     

忆阻神经网络图像处理综述

忆阻神经网络能有效改善传统神经网络电路复杂、不易集成以及能耗大等不足。概述了忆阻器与忆阻神经网络,以及目前忆阻神经网络在图像处理方面的应用。基于忆阻特性,实现神经网络突触的动态可变,使忆阻神经网络比传统神经网络在图像处理领域具备更多优势且应用范围更广。同时,展望了忆阻神经网络未来发展前景。     

氧化钨-氧化锌忆阻器的制备及其神经突触特性

为了实现忆阻器在神经形态计算中的应用,采用射频磁控溅射技术,在氧化铟锡导电玻璃衬底上依次生长氧化钨、氧化锌异质结的阻变层和银顶电极,制备氧化钨-氧化锌忆阻器,对制得忆阻器的结构、化学组成及电学性能进行表征和测试。结果表明：制得的忆阻器具有类似生物的神经突触特性,阻变行为由界面势垒调控机制主导作用;制得的忆阻器交叉阵列用于分类识别的平均正确率达到86.3%,接近中央处理器网络的平均正确率87.4%,可用于神经形态计算。     

基于场耦合的神经网络放电特性影响因素

神经网络放电特性是决定脑电位变化规律的重要因素.除化学突触作用,磁耦合对其他神经元放电特性的影响成为了近年的研究热点.然而,目前的研究只考虑放电神经元膜电流在空间产生的磁耦合,没有考虑其电学自突触电流产生的磁场作用.基于场耦合理论,充分考虑放电神经元的电学自突触电流对空间磁场的作用,根据神经元Hindmarsh-Rose(H-R)等效模型,构建仅含磁耦合作用的链式神经网络模型.通过模型研究刺激频率、距离权重、场耦合强度和电学自突触增益等因素变化对神经网络放电特性的影响规律.结果表明:①随着刺激频率从零开始增加,神经网络的放电状态呈现从"抑制"到"放电"再到"抑制"的"窗口"变化特性;②神经元网络的同步程度均随磁耦合强度和距离权重的增加而增强;③无论正、负反馈,放电神经元的电学自突触作用均能改变神经元网络的放电特性,其中正反馈的影响更显著;④电学自突触增益大于零时,同步程度随增益增大而提高.研究结果进一步表明磁耦合是实现神经元之间信号传递的一个重要方式,其中电学自突触电流的磁耦合作用不可忽视.说明神经突触的化学作用如果失效,由放电神经元膜电流和其电自学突触电流共同产生的磁场也可能引起其他神经元膜电位超过阈值而放电.     

氧化锌/氧化钽双介质层忆阻器的突触特性分析

人工突触的开发是模拟人脑功能的关键。忆阻器由于具备独特的电阻记忆行为,在人工突触研究领域得到广泛的关注。氧化钽和氧化锌均是优良的忆阻器材料,鉴于有关ZnO/TaOx双介质忆阻器突触特性的研究较少,本文将氧化锌介质层引入Ti/TaOx/ITO忆阻器中拟改善其突触性能。研究发现,器件Ti/ZnO/TaOx/ITO在功耗和电导调制线性度方面皆有改善,并有着电阻渐变的行为,利于器件突触功能的实现及应用。为此对Ti/ZnO/TaOx/ITO双介质层器件进行了电压脉冲训练,并成功模拟了学习饱和、经验学习以及短时程记忆向长时程记忆转变等生物突触行为。     

基于忆阻器的鉴相电路设计与分析

分析忆阻器的基本理论,推导忆阻器阻值与电量、时间的函数关系,使用Simulink建立忆阻器模型,并验证该模型在正弦信号激励下,电流和电压具有滞回特性.设计基于忆阻器的鉴相电路,将相位差测量转化成对脉冲宽度的测量,对方法进行理论分析,并通过仿真实验验证了电路的功能.通过仿真、计算,得到忆阻器在边界非线性效应的影响下,非线性误差为9.82%.     

基于神经网络的雪崩光电二极管SPICE模型构建

针对雪崩光电二极管（Avalanche Photodiode， APD）雪崩前后电流数量级相差大、I-V特性曲线变化剧烈的特点，在对I-V特性数据进行对数化、归一化预处理的基础上，采用浅层神经网络完成I-V函数拟合，并进一步优化神经网络结构以提升模型准确性. 在此基础上，使用Verilog-A硬件描述语言实现APD的SPICE模型，并应用Cadence软件设计电路验证模型的有效性和准确性，引入相对误差评估模型的准确度.结果表明：优化后的神经网络学习的I-V特性函数与TCAD仿真数据的均方误差损失为2.544×10-7，SPICE模型验证电路采样数据与TCAD仿真数据的最大相对误差为3.448%，平均相对误差为0.630%，构建SPICE模型用时约50 h，实现了高精度、高效率的器件SPICE模型构建，对新型APD的设计与应用具有重要指导意义.     

基于改进忆阻器的混沌电路研究

忆阻器是一种具有记忆和连续输出特点的非线性电阻器,针对窗函数忆阻器模型的不足,提出了一种改进的窗函数,它通过添加一个参数来关联忆阻器的线性与非线性特性。为了对该窗函数进行验证,运用了数值分析与模拟电路分析的方法,仿真得出了忆阻器的伏安特性曲线,结果表明,使用改进窗函数的忆阻器模型更加接近实际物理状态。同时,为了进一步研究该模型的电路特性,将该模型应用于蔡氏混沌电路,通过MATLAB仿真得出其相图,并分析它的李雅普诺夫指数谱,数据表明该电路能产生混沌现象,因此,该忆阻器模型是一个能被应用的非线性模型。