基于忆阻突触的神经网络及其应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 忆阻细胞神经网络国内外研究现状 | 第11-12页 |
| 1.2.2 基于忆阻突触的联想记忆国内外研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 忆阻器模型 | 第16-28页 |
| 2.1 理想惠普忆阻器模型 | 第16-18页 |
| 2.2 非线性惠普忆阻器模型 | 第18-24页 |
| 2.3 其它非线性忆阻器模型 | 第24-26页 |
| 2.3.1 指数忆阻器模型 | 第24-25页 |
| 2.3.2 西蒙隧道模型 | 第25-26页 |
| 2.3.3 阈值自适应忆阻器模型 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 忆阻突触与STDP学习法则 | 第28-54页 |
| 3.1 经典忆阻突触桥电路 | 第28-33页 |
| 3.1.1 忆阻突触桥电路分析仿真 | 第28-32页 |
| 3.1.2 基于经典忆阻桥的细胞神经网络分析 | 第32-33页 |
| 3.2 新型忆阻突触权值电路 | 第33-39页 |
| 3.2.1 符号设定 | 第34-36页 |
| 3.2.2 基于权值的乘法操作 | 第36-37页 |
| 3.2.3 忆阻值漂移现象分析 | 第37-38页 |
| 3.2.4 基于开关的双脉冲发生器 | 第38-39页 |
| 3.3 STDP原理介绍与实验仿真 | 第39-47页 |
| 3.3.1 一种阈值忆阻器模型 | 第39-42页 |
| 3.3.2 加性与乘性STDP简介 | 第42页 |
| 3.3.3 忆阻突触与STDP之间的关联 | 第42-45页 |
| 3.3.4 基于忆阻突触的乘性STDP | 第45-47页 |
| 3.4 基于STDP算法的忆阻神经网络应用研究 | 第47-53页 |
| 3.4.1 基于忆阻突触的阵列结构神经网络 | 第47-50页 |
| 3.4.2 使用乘性STDP训练脉冲神经网络 | 第50-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于忆阻突触的神经网络 | 第54-68页 |
| 4.1 细胞神经网络简介 | 第54-59页 |
| 4.1.1 细胞神经网络理论简介 | 第54-57页 |
| 4.1.2 细胞神经网络稳定性分析 | 第57-59页 |
| 4.2 基于忆阻的细胞神经网络及其应用 | 第59-66页 |
| 4.2.1 忆阻细胞神经网络模型分析 | 第59-61页 |
| 4.2.2 MCNN权值调节分析 | 第61-65页 |
| 4.2.3 MCNN在图像处理中的应用 | 第65-66页 |
| 4.3 本章小结 | 第66-68页 |
| 第五章 基于忆阻神经网络的联想记忆模型 | 第68-82页 |
| 5.1 HEBB学习法则与关联记忆 | 第68-69页 |
| 5.2 联想记忆模型简介 | 第69-72页 |
| 5.2.1 基于DSP芯片实现的联想记忆模型 | 第69-70页 |
| 5.2.2 基于AIF算法的忆阻联想记忆模型 | 第70-72页 |
| 5.3 AIF忆阻神经网络联想记忆模型仿真 | 第72-77页 |
| 5.4 一种新型忆阻神经网络联想记忆模型 | 第77-81页 |
| 5.5 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 致谢 | 第84-86页 |
| 参考文献 | 第86-94页 |
| 硕士期间发表的论文和科研成果 | 第94页 |
