憶阻神經(jīng)網(wǎng)絡(luò)的應(yīng)用.pdf

1、由于憶阻器的無(wú)源性、低耗能、記憶特性以及納米尺度，憶阻器將會(huì)帶來(lái)人工智能領(lǐng)域，尤其是人工神經(jīng)網(wǎng)絡(luò)的理論和應(yīng)用研究的突破性進(jìn)展。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)電路的設(shè)計(jì)局限在于權(quán)重的設(shè)計(jì)，憶阻器的出現(xiàn)打破了此局限性，使得學(xué)者們開(kāi)始研究基于憶阻器的神經(jīng)網(wǎng)絡(luò)理論。憶阻器可以分為線性憶阻器和非線性憶阻器，線性憶阻器即只有兩個(gè)憶阻值，而非線性憶阻器具有連續(xù)動(dòng)態(tài)的無(wú)數(shù)憶阻值。本文分別提出了基于線性和非線性憶阻器的兩類神經(jīng)網(wǎng)絡(luò)模型。
　　 線性憶阻神經(jīng)網(wǎng)絡(luò)模型

2、可以應(yīng)用于異或運(yùn)算，線性判別，圖像邊緣檢測(cè)等問(wèn)題。此模型可以應(yīng)用于很多簡(jiǎn)單的問(wèn)題，本文將該模型應(yīng)用于異或運(yùn)算問(wèn)題，其模型分為輸入層，隱藏層和輸出層，給出了輸入層脈沖，隱藏層和輸出層期望脈沖，反饋電壓和學(xué)習(xí)規(guī)則的設(shè)計(jì)。其中輸入層脈沖為異或真值表，期望脈沖為隱藏層和輸出層的期望輸出，反饋電壓是學(xué)習(xí)規(guī)則的實(shí)現(xiàn)，它的作用是修改憶阻。通過(guò)輸入層脈沖和期望脈沖的反復(fù)訓(xùn)練對(duì)憶阻進(jìn)行編程，使得此模型能滿足要求，理論和仿真結(jié)果證明此模型可以應(yīng)用于異或運(yùn)算

3、。該模型的工程特點(diǎn)為：斷電后能保存最后一次計(jì)算的權(quán)重(憶阻值)。
　　 非線性憶阻神經(jīng)網(wǎng)絡(luò)模型可以應(yīng)用于模式識(shí)別，旅行商，機(jī)器人尋路等問(wèn)題。此模型在工程上并行計(jì)算且運(yùn)算速度快，本文將該模型應(yīng)用于模式識(shí)別問(wèn)題，主要用于識(shí)別不同人的手寫(xiě)簽名。該模型分為輸入層和輸出層，給出了時(shí)序脈沖，輸入脈沖，期望脈沖，反饋電壓，學(xué)習(xí)規(guī)則等的設(shè)計(jì)。在對(duì)此模型進(jìn)行訓(xùn)練前，提取手寫(xiě)簽名后的特征，并將其歸一化到某個(gè)特定的電壓區(qū)間，那么輸入脈沖為歸一化后的特

4、征。時(shí)序脈沖在電路中是必不可少的，它決定了該電路的執(zhí)行時(shí)間，時(shí)序脈沖的周期與訓(xùn)練樣本(即手寫(xiě)簽名)的多少有關(guān)。期望脈沖即判斷該訓(xùn)練樣本是否正確的分類。通過(guò)時(shí)序脈沖，輸入脈沖和期望脈沖決定反饋電壓值，然后反饋電壓對(duì)憶阻進(jìn)行編程，使得此模型能識(shí)別手寫(xiě)簽名。通過(guò)這個(gè)模型，本文給出了訓(xùn)練樣本和非訓(xùn)練樣本的測(cè)試，理論和仿真結(jié)果證明此模型可以應(yīng)用于模式識(shí)別問(wèn)題。該模型的工程特點(diǎn)為：1.斷電后能保存最有一次計(jì)算的權(quán)重(憶阻值)。2該模型既可用于樣本訓(xùn)