| 目录 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第一章 引言 | 第10-16页 |
| ·神经形态系统的出现及发展 | 第10页 |
| ·脉冲时间依赖的可塑性(STDP)及神经形态系统的仿生智能 | 第10-12页 |
| ·忆阻器及神经形态系统的集成度 | 第12-13页 |
| ·论文研究意义 | 第13-14页 |
| ·论文内容安排及结构 | 第14-16页 |
| 第二章 STDP学习规则 | 第16-20页 |
| ·STDP规则的数学模型 | 第16-18页 |
| ·STDP规则的分类 | 第18-20页 |
| ·STDP和反STDP | 第18页 |
| ·加性STDP和乘性STDP | 第18-20页 |
| 第三章 忆阻器和忆阻突触 | 第20-36页 |
| ·忆阻器的基本原理及性质 | 第20-22页 |
| ·忆阻器的基本原理 | 第20-21页 |
| ·忆阻器的性质 | 第21-22页 |
| ·惠普忆阻器的建模 | 第22-25页 |
| ·数学建模 | 第23-24页 |
| ·数值仿真 | 第24-25页 |
| ·忆阻器的应用领域 | 第25-26页 |
| ·在模拟电路中的应用 | 第25-26页 |
| ·在存储器中的应用 | 第26页 |
| ·在人工神经网络中的应用 | 第26页 |
| ·忆阻突触的实现 | 第26-36页 |
| ·理论推导实现 | 第26-28页 |
| ·Ⅰ型忆阻桥电路实现 | 第28-32页 |
| ·Ⅱ型忆阻桥电路实现 | 第32-36页 |
| 第四章 忆阻神经网络及信息处理 | 第36-56页 |
| ·忆阻感知器用于逻辑分类 | 第36-44页 |
| ·忆阻感知器的建模 | 第36-38页 |
| ·忆阻权值更新规则 | 第38页 |
| ·实验仿真 | 第38-44页 |
| ·忆阻Chebyshev神经网络实现函数逼近 | 第44-49页 |
| ·忆阻Chebyshev神经网络的建模 | 第44-45页 |
| ·函数逼近的忆阻BP算法 | 第45-46页 |
| ·函数逼近的忆阻衍生算法 | 第46-47页 |
| ·实验仿真 | 第47-49页 |
| ·忆阻Fourier神经网络用于图像复原 | 第49-54页 |
| ·忆阻Fourier神经网络的建模 | 第49-50页 |
| ·图像复原的忆阻BP算法 | 第50-51页 |
| ·实验仿真 | 第51-54页 |
| ·小结 | 第54-56页 |
| 第五章 基于STDP规则的忆阻神经网络及图像存储 | 第56-68页 |
| ·用忆阻突触实现STDP学习规则 | 第56-58页 |
| ·基于忆阻突触的神经网络 | 第58-63页 |
| ·两神经元间的忆阻突触连接 | 第58-60页 |
| ·多神经元间的忆阻突触连接 | 第60-61页 |
| ·交叉阵列神经元间的忆阻突触连接 | 第61-63页 |
| ·忆阻神经网络的图像存储原理 | 第63-64页 |
| ·图像存储实验仿真 | 第64-67页 |
| ·二值图像的存储与输出 | 第64-65页 |
| ·灰度图像的存储与输出 | 第65-66页 |
| ·彩色图像的存储与输出 | 第66-67页 |
| ·小结 | 第67-68页 |
| 第六章 基于STDP规则和忆阻桥突触的神经网络及图像处理 | 第68-76页 |
| ·基于STDP学习规则的忆阻桥电路 | 第68-70页 |
| ·忆阻桥突触权值的设定 | 第70-71页 |
| ·图像处理实验仿真 | 第71-75页 |
| ·图像去噪 | 第71-72页 |
| ·边缘提取 | 第72-73页 |
| ·角检测 | 第73-74页 |
| ·汉字识别 | 第74-75页 |
| ·小结 | 第75-76页 |
| 第七章 总结与展望 | 第76-78页 |
| ·本文的主要工作 | 第76页 |
| ·下一步工作思路 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士学位期间已发表的论文 | 第86页 |
| 攻读硕士学位期间参加的科研项目 | 第86页 |