基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究.pdf

1、隨著大數(shù)據(jù)時代的來臨，信號處理的復雜化程度不斷加深，信息數(shù)據(jù)量日趨增大。同時，晶體管尺寸的縮小即將到達極限狀態(tài)，基于現(xiàn)代電子電路技術(shù)的諸多領(lǐng)域的發(fā)展遇到了障礙。人工神經(jīng)網(wǎng)絡(luò)（簡稱神經(jīng)網(wǎng)絡(luò)）作為應(yīng)用廣泛的非線性網(wǎng)絡(luò)，在大規(guī)模實時信號處理和集成電路實現(xiàn)方面擁有巨大的潛力，同樣也遇到了這個問題。融入納米級憶阻器天然的記憶效應(yīng)和小世界網(wǎng)絡(luò)拓撲結(jié)構(gòu)的優(yōu)勢，能夠?qū)崿F(xiàn)新一代人工智能神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)模型拓撲結(jié)構(gòu)簡單、應(yīng)用靈活多變，同時，基于納米級憶阻器

2、的尺寸優(yōu)勢，整個電路體積將大大減小，系統(tǒng)集成度顯著提高。
　　本文深入研究了憶阻器，神經(jīng)網(wǎng)絡(luò)與小世界網(wǎng)絡(luò)，探索三者之間有效的結(jié)合機制。首先，討論了基于HP憶阻器模型的多憶阻器組合電路，并探討其在數(shù)字圖像處理中的應(yīng)用。進一步，將憶阻器內(nèi)化到多層前向小世界神經(jīng)網(wǎng)絡(luò)與小世界Hopfield神經(jīng)網(wǎng)絡(luò)中，分別研究其在PID控制器以及數(shù)字識別中的應(yīng)用。具體地，本文將主要的內(nèi)容劃分為四個部分，如下所示:
　　(1)首先，本文基于HP憶阻器

3、模型，重新推導了兩種帶有窗函數(shù)的憶阻器非線性模型，能夠有效地模擬憶阻器內(nèi)部邊緣附近的非線性離子遷移現(xiàn)象，同時保證憶阻器的邊界條件。進一步，基于憶阻器的器件參數(shù)，對憶阻器組合電路進行了細致全面的理論推導和數(shù)值分析。最終，設(shè)計了一個基于MATLAB的憶阻器串并聯(lián)電路圖形用戶界面(GUI)，能夠清晰直觀地展示憶阻系統(tǒng)的器件特性。
　　(2)進一步，本文基于憶阻器組合電路的器件性能，將其與數(shù)字圖像處理相結(jié)合，利用憶阻器模擬圖像處理所需的非

4、線性映射函數(shù)。一系列計算機仿真驗證了提出的方案在圖像取反，對比度伸縮及圖像灰度調(diào)整應(yīng)用中的有效性。
　　(3)其次，本文運用電荷控制憶阻器非線性數(shù)學模型模擬多層前向小世界神經(jīng)網(wǎng)絡(luò)中的神經(jīng)突觸與激活函數(shù)，建立基于憶阻系統(tǒng)的多層前向小世界神經(jīng)網(wǎng)絡(luò)，基于提出網(wǎng)絡(luò)在計算速度以及準確性上的優(yōu)勢，將其與傳統(tǒng)的PID控制器相互結(jié)合，提出了一種新型的智能PID控制器。
　　(4)最后，本文將閾值自適應(yīng)憶阻器模型與傳統(tǒng)的Hopfield網(wǎng)絡(luò)相