| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第一章 引言 | 第11-19页 |
| 1.1 忆阻器理论 | 第11-12页 |
| 1.2 人工神经网络的研究现状 | 第12-15页 |
| 1.2.1 Hopfield神经网络 | 第13-14页 |
| 1.2.2 脉冲耦合神经网络 | 第14-15页 |
| 1.3 忆阻器与神经网络的结合 | 第15-16页 |
| 1.4 论文研究意义 | 第16-17页 |
| 1.5 论文内容安排与结构 | 第17-19页 |
| 第二章 忆阻器模型的仿真 | 第19-27页 |
| 2.1 惠普忆阻器模型 | 第19-22页 |
| 2.1.1 惠普忆阻器的基本原理 | 第19-21页 |
| 2.1.2 惠普忆阻器仿真 | 第21-22页 |
| 2.2 阈值自适应忆阻器模型 | 第22-26页 |
| 2.2.1 阈值自适应忆阻器模型理论 | 第22-24页 |
| 2.2.2 阈值自适应忆阻器模型仿真 | 第24-26页 |
| 2.3 小结 | 第26-27页 |
| 第三章 忆阻数字器件的构建 | 第27-37页 |
| 3.1 纯忆阻逻辑门实现 | 第27-32页 |
| 3.1.1 纯忆阻“与”门 | 第27-29页 |
| 3.1.2 纯忆阻“或”门 | 第29-31页 |
| 3.1.3 纯忆阻多输入“与”门、“或”门 | 第31-32页 |
| 3.2 忆阻编码器 | 第32-33页 |
| 3.3 忆阻译码器 | 第33-35页 |
| 3.4 小结 | 第35-37页 |
| 第四章 忆阻Hopfield神经网络及联想记忆 | 第37-47页 |
| 4.1 神经元晶体管 | 第37-39页 |
| 4.2 M-neuMOS-神经元模型及忆阻离散Hopfield神经网络 | 第39-42页 |
| 4.3 新型忆阻离散Hopfield神经网络在联想记忆及彩色数字图像恢复中的应用 | 第42-45页 |
| 4.4 小结 | 第45-47页 |
| 第五章 一种忆阻脉冲耦合神经网络及自适应图像增强算法 | 第47-53页 |
| 5.1 忆阻脉冲耦合神经网络模型 | 第47-48页 |
| 5.2 基于M-PCNN的自适应图像增强算法 | 第48-50页 |
| 5.3 实验仿真结果及分析 | 第50-52页 |
| 5.4 小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 下一步的工作思路 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士期间完成和发表的论文 | 第61页 |
| 攻读硕士期间参加的科研项目 | 第61-63页 |
| 致谢 | 第63页 |
