| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 引言 | 第10-16页 |
| 1.1 忆阻器的研究现状 | 第10-11页 |
| 1.1.1 忆阻器的概念 | 第10页 |
| 1.1.2 忆阻器的发展 | 第10-11页 |
| 1.2 忆阻器突触的研究现状 | 第11-13页 |
| 1.3 神经网络的发展 | 第13-14页 |
| 1.4 论文研究意义 | 第14页 |
| 1.5 论文内容安排及结构 | 第14-16页 |
| 第二章 两类忆阻器模型及特性分析 | 第16-26页 |
| 2.1 惠普忆阻器 | 第16-19页 |
| 2.1.1 惠普忆阻器的物理模型 | 第16-17页 |
| 2.1.2 非线性窗函数 | 第17-19页 |
| 2.2 自旋忆阻器 | 第19-22页 |
| 2.2.1 自旋忆阻器模型 | 第19-20页 |
| 2.2.2 畴壁运动和阈值电流分析 | 第20-22页 |
| 2.3 两类忆阻器的分析比较 | 第22页 |
| 2.4 忆阻器串并联电路分析 | 第22-24页 |
| 2.4.1 基于忆阻器的串联电路 | 第22-23页 |
| 2.4.2 基于忆阻器的并联电路 | 第23-24页 |
| 2.5 小结 | 第24-26页 |
| 第三章 基于忆阻器的突触电路分析 | 第26-38页 |
| 3.1 单忆阻器突触 | 第26-28页 |
| 3.2 二忆阻器突触 | 第28-29页 |
| 3.3 忆阻桥突触 | 第29-36页 |
| 3.3.1 基于四个忆阻器的桥突触 | 第29-32页 |
| 3.3.2 基于五个忆阻器的桥突触 | 第32-34页 |
| 3.3.3 基于两个忆阻器和两个电阻的桥突触 | 第34-36页 |
| 3.4 小结 | 第36-38页 |
| 第四章 一种新的自旋忆阻器突触电路及应用 | 第38-52页 |
| 4.1 突触电路设计与分析 | 第38-39页 |
| 4.2 电路仿真 | 第39-42页 |
| 4.3 神经网络及其学习算法 | 第42-48页 |
| 4.3.1 神经元 | 第42-44页 |
| 4.3.2 基于自旋忆阻器突触的神经网络 | 第44-45页 |
| 4.3.3 改进的RWC算法 | 第45-48页 |
| 4.4 数据预测 | 第48-50页 |
| 4.5 小结 | 第50-52页 |
| 第五章 基于忆阻器突触的神经网络及其在图像超分辨率重构中的应用 | 第52-64页 |
| 5.1 基于忆阻器的突触电路设计 | 第52-55页 |
| 5.1.1 权值处理 | 第52-53页 |
| 5.1.2 权值设置 | 第53-55页 |
| 5.2 忆阻神经网络的构建及学习方法 | 第55-57页 |
| 5.2.1 基于忆阻器突触的神经网络 | 第55-56页 |
| 5.2.2 片内循环学习方法 | 第56-57页 |
| 5.3 忆阻神经网络在图像超分辨率重构中的应用 | 第57-62页 |
| 5.3.1 超分辨率图像的实现过程 | 第57-58页 |
| 5.3.2 仿真与分析 | 第58-62页 |
| 5.4 小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文的主要工作 | 第64页 |
| 6.2 下一步工作思路 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士期间已发表的学术论文 | 第74页 |
| 攻读硕士期间参加的科研项目 | 第74页 |