排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
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。 相似文献
2.
忆阻器是具有动态特性的电阻,阻值可依赖于激励电压来变化,具有类似于生物神经突触连接强度的特性,可用来存储突触权值。在此基础上为实现忆阻器突触电路的学习功能,建立了“整合激发”型神经元SPICE仿真电路,修改了原始神经元电路结构,并对电路的脉冲信号产生过程进行了SPICE仿真。结合MOS管及忆阻器的特性重新设计了神经元突触电路结构,使突触电路更符合真实生物神经突触特征。在应用此设计的基础上,实现了2个神经元所构成神经网络之间类似于Hebbian学习的平均激发率学习规则。并且在基于多个神经元的神经网络的基础上 相似文献
1