| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源及背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 课题的目的和意义 | 第13-14页 |
| 1.4 研究内容与论文结构 | 第14-16页 |
| 第2章 神经形态计算应用的搭建 | 第16-27页 |
| 2.1 人工神经网络模型概述 | 第16-20页 |
| 2.1.1 单层感知器 | 第16-18页 |
| 2.1.2 多层感知器 | 第18-19页 |
| 2.1.3 其他神经网络模型简析 | 第19-20页 |
| 2.2 神经元与突触 | 第20-24页 |
| 2.2.1 Hodgkin-Huxley神经元 | 第21-22页 |
| 2.2.2 Integrate And Fire神经元 | 第22-23页 |
| 2.2.3 神经形态计算的突触实现 | 第23-24页 |
| 2.3 神经形态计算算法概述 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 RRAM阻变器件 | 第27-42页 |
| 3.1 RRAM阻变现象与阻变机制 | 第27-30页 |
| 3.2 RRAM阻变模型 | 第30-39页 |
| 3.2.1 RRAM阻变过程 | 第30-34页 |
| 3.2.2 RRAM阻变模型仿真 | 第34-38页 |
| 3.2.3 RRAM阻变模型中存在的问题 | 第38-39页 |
| 3.3 RRAM阻变器件实物测试 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于RRAM阵列的神经形态计算应用研究 | 第42-55页 |
| 4.1 基于RRAM阵列的神经形态计算电路设计 | 第42-46页 |
| 4.2 基于RRAM阵列的神经形态计算电路实现 | 第46-50页 |
| 4.3 神经形态计算应用的缺点与改进 | 第50-52页 |
| 4.4 蒙特卡洛分析 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |