收藏本站

忆阻神经网络的全电路设计及其应用

【摘要】:人工神经网络已经成为人工智能领域近年来最热门的研究方向之一,并成功地解决了机器人、工业、生物、医学和经济等领域许多实际问题。随着互联网及大数据时代的到来,神经网络所要处理的信息呈现爆发式增长,基于冯·诺依曼结构的计算机很难应对日益增长的数据处理要求。因此,建立能够进行实时数据处理与超大并行计算的神经网络硬件电路已成为迫切需求。忆阻交叉阵列所固有的并行计算及存算相融合的天然优势,为这一问题提供解决思路,忆阻神经网络研究得到学者的广泛关注。经过多年的发展,忆阻神经网络电路研究已经取得丰硕成果,并成功实现了图像处理,模式识别等应用,但存在如下两个问题值得关注:(1)网络的部分训练过程通常是通过线下系统实现的,需要借助计算机或者数字芯片进行相关辅助计算。(2)已有的设计大都没有给出完整的神经网络实现电路,不能在硬件上执行完整的在线学习过程。针对上述问题,本文研究围绕忆阻神经网络的全电路设计而展开,根据实物忆阻数据,构建相应的忆阻模型,设计忆阻突触与神经元电路,研究如何将算法引入到忆阻电路中,设计忆阻学习电路。最后根据神经网络基本理论,设计全电路忆阻神经网络,建立神经网络在线学习电路来解决图像识别,曲线拟合等应用问题。本文主要完成的工作和创新成果如下:(1)考虑到实际忆阻特性曲线的多样性,提出了漂移速度自适应忆阻模型。该模型可以拟合多种实物忆阻器件的阻变曲线及i-v特性曲线,拟合精度均大于94.5%。所提出的模型对连续激励与脉冲激励均有效,且利用可调参数能够对真实忆阻数据进行各种精细化拟合。(2)设计了电流和电压两种模式的忆阻突触和神经元电路。分别设计两种反向连接的双忆阻突触结构,可实现电流与电压突触权重乘法运算,通过调整忆阻阻值可得到正、零和负突触权值。基于CMOS-忆阻混合集成技术设计多种忆阻神经元电路,该结构可以实现并行编程,可应用于大规模神经网络集成,解决了传统交叉阵列不能全并行编程的缺点。(3)基于具有遗忘效应的STO二阶忆阻实验和仿真证明了triplet-STDP(Spike timing dependent plasticity,脉冲时间依赖可塑性)学习规律。构建了LIF(Leaky integrate and fire,泄露积分放电)神经元电路,可模拟生物神经元的时间、空间信息整合与泄露、激活输出;设计了triplet-STDP学习电路,再现生物突触前尖峰输入、局部梯度电位泄漏、输出动作电位产生以及根据STDP规则对突触权重进行修改全过程。(4)为了解决现有忆阻逻辑电路初始化问题,提出了一种具有自学习功能的通用忆阻逻辑电路,通过自学习即可自动获得不同的忆阻状态而无需初始化。此外,该电路通过一个可配置开关结构可执行多种类型的逻辑运算,包括布尔逻辑、蕴涵逻辑和随机组合逻辑。与以前的逻辑电路相比,所提出的电路是一种通用的逻辑结构,可处理不同的逻辑运算,且无需初始化,简化运算步骤以及加快运算速度。(5)针对当前忆阻神经网络全电路设计这一难点问题,首先建立两种忆阻自学习神经元电路,可在电路上执行LMS(Least mean square,最小均方误差)学习算法。然后,基于CMOS-忆阻混合集成设计了三种全电路的忆阻神经网络:感知器网络,RBF(Radial basis function,径向基函数)神经网络和多层神经网络,成功解决了图像识别,曲线拟合及异或运算等应用问题。相比现有忆阻神经网络电路,该设计所有运算均在电路上完成,而无需计算机辅助运算,提高运算速度。此外,在电路中执行在线学习能够实时更新忆阻权重,提高系统对忆阻变量及噪声的容忍性,增强应用鲁棒性与精度。(6)为了处理实时高效的图像复原任务,提出了一种忆阻连续Hopfield神经网络电路,该电路可通过并行的自组织运算来处理图像复原问题,将传统的图像复原处理从软件转移到硬件,加快处理速度。除了速度优势,仿真实验还证明电路实现的图像复原相比软件精度更高,对噪声及忆阻变量具有很好的容忍性。本文的研究成果为硬件实现在线学习算法及忆阻神经网络提供新的思路与借鉴,为硬件实现更大规模的忆阻神经网络电路奠定基础。此外,忆阻神经网络的全硬件实现可以加速神经网络运算,将为当前大数据时代提供硬件加速运算平台,为解决人工智能领域更复杂的应用问题带来新的希望。

下载App查看全文

(如何获取全文? 欢迎:、、)

支持CAJ、PDF文件格式


【相似文献】
中国期刊全文数据库 前16条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期
4 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
5 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期
6 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
7 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
8 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
9 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
10 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期
11 陈晓燕;;浅析简单神经网络的发展及简单模型[J];数字技术与应用;2019年05期
12 李青华;李翠平;张静;陈红;王绍卿;;深度神经网络压缩综述[J];计算机科学;2019年09期
13 刘高宇;;深度神经网络在煤质数据分析与预测中的应用[J];电脑知识与技术;2019年28期
14 黄为;李永刚;胡上成;汪毅;;基于循环神经网络的船摇数据实时预测[J];科学技术与工程;2019年31期
15 冯伟业;廖可非;欧阳缮;牛耀;;基于胶囊神经网络的合成孔径雷达图像分类方法[J];科学技术与工程;2019年28期
16 郑丽;;建筑设计中神经网络技术与遗传算法探究[J];湖北农机化;2019年21期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 武晨;DFP航天器动力学特性分析及精确控制方法研究[D];哈尔滨工业大学;2018年
2 冉令燕;基于卷积神经网络的图像分类研究[D];西北工业大学;2018年
3 于佳;语音文档的故事分割技术研究[D];西北工业大学;2018年
4 毛瑞琛;深度神经网络下的规范化地址建设与语义空间模型研究[D];浙江大学;2019年
5 杨旭辉;基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究[D];兰州大学;2019年
6 樊英杰;时滞忆阻神经网络的镇定及同步控制研究[D];山东科技大学;2019年
7 洪庆辉;忆阻神经网络的全电路设计及其应用[D];华中科技大学;2019年
8 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
9 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
10 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
中国硕士学位论文全文数据库 前10条
1 焦东岩;卷积神经网络在密度泛函结构预测计算中的应用研究[D];湘潭大学;2019年
2 李智强;基于神经网络的航空发动机推力估计方法研究[D];南京航空航天大学;2019年
3 刘京麦野;基于循环神经网络的语义完整性分析[D];湘潭大学;2019年
4 朱萌钢;基于神经网络的车辆行为预测研究[D];重庆邮电大学;2019年
5 米怡;基于卷积神经网络的车行环境行人识别[D];重庆邮电大学;2019年
6 易亿;基于集成卷积神经网络的交通标志识别研究[D];重庆邮电大学;2019年
7 葛超;基于神经网络的奶牛识别方法研究[D];重庆邮电大学;2019年
8 李净桦;基于神经网络的社交话题热度预测模型研究[D];重庆邮电大学;2019年
9 弓攀豪;融合浅层特征与卷积神经网络的行人检测方法研究[D];重庆邮电大学;2019年
10 詹紫微;基于卷积神经网络的目标跟踪方法研究[D];重庆邮电大学;2019年
中国重要报纸全文数据库 前10条
1 张允硕 姜正义 甄海锋 河南理工大学;[N];科学导报;2019年
2 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;[N];湖北日报;2019年
3 记者 刘霞;[N];科技日报;2017年
4 整理 本报记者 诸玲珍 顾鸿儒;[N];中国电子报;2018年
5 ;[N];电子报;2018年
6 张敏;[N];北京日报;2017年
7 ;[N];中国企业报;2017年
8 本报记者 龚丹韵;[N];解放日报;2017年
9 ;[N];中国企业报;2017年
10 张斌;[N];文汇报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978


{bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck体育下载}| {bckbet}| {bcksports}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck官网}| {bck体育下载}| {bckbet}| {bcksports}| {bck官网}| {bck体育app}| {bck体育}| {bcksports}| {bck官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck体育}| {bcksports}| {bck官网}| {bck体育官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bcksports}| {bck体育下载}| {bck体育app}| {bckbet}|
{uc8}| {uc8体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐城}| {uc8彩票}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8老虎机}| {UC8娱乐}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8彩票}| {uc8}| {uc8体育}| {UC体育}| {uc8官网}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {uc8彩票}| {uc8}| {uc体育}| {UC体育}| {UC8娱乐城}| {uc8}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}|