忆阻器突触桥电路动力学特性分析及在神经网络中的应用研究
| 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8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 忆阻器基本原理及模型 | 第16-28页 |
| 2.1 线性HP忆阻器的基本原理 | 第16-18页 |
| 2.2 非线性HP忆阻器模型 | 第18-22页 |
| 2.2.1 非线性HP忆阻器的基本原理 | 第18-19页 |
| 2.2.2 非线性HP忆阻器建模 | 第19-20页 |
| 2.2.3 非线性HP忆阻器仿真 | 第20-22页 |
| 2.3 其他非线性忆阻器模型 | 第22-26页 |
| 2.3.1 匹配忆阻器模型 | 第23-25页 |
| 2.3.2 肖特基遗忘模型 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 忆阻突触桥电路动力学特性分析 | 第28-40页 |
| 3.1 M1型忆阻突触桥电路 | 第28-29页 |
| 3.1.1 M1型忆阻突触桥电路原理介绍 | 第28-29页 |
| 3.2 M2型忆阻器突触桥电路 | 第29-32页 |
| 3.2.1 两个忆阻器并联电路 | 第29-30页 |
| 3.2.2 改进的M2R2突触桥电路 | 第30-32页 |
| 3.3 M4型忆阻器突触桥 | 第32-36页 |
| 3.3.1 M4型忆阻突触桥原理 | 第32-34页 |
| 3.3.2 M4忆阻桥电路仿真及分析 | 第34-36页 |
| 3.4 M5型忆阻器突触桥 | 第36-39页 |
| 3.4.1 M5型忆阻器突触桥原理 | 第36-38页 |
| 3.4.2 数值仿真 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于M4突触桥忆阻神经网络的混合训练算法 | 第40-56页 |
| 4.1 忆阻神经网络原理及实现 | 第40-44页 |
| 4.1.1 神经元MP模型 | 第40-41页 |
| 4.1.2 激活函数 | 第41-42页 |
| 4.1.3 人工神经网络拓扑结构 | 第42页 |
| 4.1.4 基于M4突触桥的忆阻神经网络 | 第42-44页 |
| 4.2 后向反馈算法 | 第44-48页 |
| 4.2.1 梯度下降算法 | 第45-46页 |
| 4.2.2 随机权重更新算法 | 第46-48页 |
| 4.3 混合训练算法 | 第48页 |
| 4.4 混合训练算法应用于模式识别 | 第48-55页 |
| 4.4.1 混合训练算法应用于异或问题 | 第48-51页 |
| 4.4.2 混合训练算法应用于手写数字识别 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 基于遗忘阈值模型的联想记忆网络 | 第56-82页 |
| 5.1 HEBB学习法则及联想记忆 | 第56-57页 |
| 5.2 具有遗忘特性的阈值忆阻器模型 | 第57-60页 |
| 5.2.1 遗忘阈值忆阻器模型仿真 | 第58-60页 |
| 5.3 基于遗忘阈值忆阻器的联想记忆模型 | 第60-67页 |
| 5.3.1 遗忘阈值忆阻器的PSPICE宏模型 | 第60-61页 |
| 5.3.2 基于遗忘阈值忆阻器的联想记忆模型 | 第61-67页 |
| 5.4 基于遗忘阈值忆阻器模型的联想记忆网络 | 第67-81页 |
| 5.4.1 巴普洛夫铃声灯光实验 | 第67-74页 |
| 5.4.2 巴普洛夫食物电击实验 | 第74-81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 |
