| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第9-15页 |
| 1.1 存储瓶颈与类脑计算 | 第9页 |
| 1.2 忆阻器的提出 | 第9-11页 |
| 1.3 忆阻器的模型发展 | 第11页 |
| 1.4 忆阻器典型应用 | 第11-13页 |
| 1.4.1 忆阻多值存储和逻辑运算 | 第12页 |
| 1.4.2 忆阻人工神经形态学类脑系统 | 第12-13页 |
| 1.5 论文研究意义 | 第13-14页 |
| 1.6 论文内容安排及结构 | 第14-15页 |
| 第二章 忆阻器原理及理论基础 | 第15-25页 |
| 2.1 惠普忆阻器模型 | 第15-17页 |
| 2.1.1 线性离子漂移理想模型 | 第15页 |
| 2.1.2 窗函数 | 第15-17页 |
| 2.2 Simmons隧道结模型 | 第17-19页 |
| 2.3 阈值自适应忆阻器模型 | 第19-23页 |
| 2.3.1 电流阈值自适应忆阻模型 | 第20-21页 |
| 2.3.2 电压阈值自适应忆阻模型 | 第21-23页 |
| 2.4 小结 | 第23-25页 |
| 第三章 阈值自适应忆阻器模型参数与组合电路分析 | 第25-37页 |
| 3.1 阈值自适应模型参数分析 | 第25-30页 |
| 3.2 TEAM组合电路分析 | 第30-35页 |
| 3.2.1 同向串联 | 第30-31页 |
| 3.2.2 反向串联 | 第31-32页 |
| 3.2.3 同向并联 | 第32-33页 |
| 3.2.4 反向并联 | 第33-35页 |
| 3.3 小结 | 第35-37页 |
| 第四章 基于忆阻阈值自适应模型的逻辑及存储研究 | 第37-51页 |
| 4.1 基于电压阈值自适应忆阻器的逻辑门 | 第37-46页 |
| 4.1.1 VTEAM逻辑门操作 | 第37页 |
| 4.1.2 或非门(NOR)的逻辑实现 | 第37-40页 |
| 4.1.3 与非门(NAND)的逻辑实现 | 第40-41页 |
| 4.1.4 或门(OR)逻辑实现 | 第41-43页 |
| 4.1.5 与门(AND)逻辑实现 | 第43-45页 |
| 4.1.6 非门(NOT)逻辑电路实现 | 第45-46页 |
| 4.2 基于阈值自适应忆阻模型多值交叉阵列信息存储 | 第46-49页 |
| 4.2.1 阈值自适应忆阻交叉阵列结构 | 第46-47页 |
| 4.2.2 变峰值控制方法 | 第47页 |
| 4.2.3 二值图像存储 | 第47-48页 |
| 4.2.4 多值图像存储 | 第48-49页 |
| 4.3 小结 | 第49-51页 |
| 第五章 基于阈值自适应忆阻模型的小波神经网络应用 | 第51-61页 |
| 5.1 小波神经网络 | 第51-54页 |
| 5.1.1 小波神经网络与其他网络比较 | 第51页 |
| 5.1.2 小波神经网络设计和学习算法 | 第51-54页 |
| 5.2 忆阻小波神经网络 | 第54-56页 |
| 5.2.1 外部控制激励 | 第54-55页 |
| 5.2.2 VTEAM忆阻值连续变化 | 第55-56页 |
| 5.3 基于忆阻小波神经网络的短视交通流预测 | 第56-59页 |
| 5.3.1 MWNN短时交通流算法 | 第57-58页 |
| 5.3.2 短时交通流预测实验仿真 | 第58-59页 |
| 5.4 小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 下一步工作思路 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士期间发表的论文 | 第71页 |
| 攻读硕士期间参加的科研项目 | 第71页 |