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(shí)代的來(lái)臨，信號(hào)處理的復(fù)雜化程度不斷加深，信息數(shù)據(jù)量日趨增大。同時(shí)，晶體管尺寸的縮小即將到達(dá)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(jiǎn)稱(chēng)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(shí)時(shí)信號(hào)處理和集成電路實(shí)現(xiàn)方面擁有巨大的潛力，同樣也遇到了這個(gè)問(wèn)題。融入納米級(jí)憶阻器天然的記憶效應(yīng)和小世界網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的優(yōu)勢(shì)，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?fù)浣Y(jié)構(gòu)簡(jiǎn)單、應(yīng)用靈活多變，同時(shí)，基于納米級(jí)憶阻器

2、的尺寸優(yōu)勢(shì)，整個(gè)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(jī)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(jìn)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(shí)別中的應(yīng)用。具體地，本文將主要的內(nèi)容劃分為四個(gè)部分，如下所示:
　　(1)首先，本文基于HP憶阻器

3、模型，重新推導(dǎo)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(shí)保證憶阻器的邊界條件。進(jìn)一步，基于憶阻器的器件參數(shù)，對(duì)憶阻器組合電路進(jìn)行了細(xì)致全面的理論推導(dǎo)和數(shù)值分析。最終，設(shè)計(jì)了一個(gè)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(jìn)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(jì)算機(jī)仿真驗(yàn)證了提出的方案在圖像取反，對(duì)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(yùn)用電荷控制憶阻器非線性數(shù)學(xué)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(jì)算速度以及準(zhǔn)確性上的優(yōu)勢(shì)，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