基于忆阻器的电路分析及其在神经形态系统中的应用
| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 第1章 绪论 | 第18-28页 |
| 1.1 研究背景与研究意义 | 第18-20页 |
| 1.2 忆阻器理论与应用概述 | 第20-24页 |
| 1.2.1 忆阻器的提出 | 第20-22页 |
| 1.2.2 忆阻器的研究现状 | 第22-24页 |
| 1.3 神经形态系统概述 | 第24-26页 |
| 1.3.1 人工神经网络 | 第24-25页 |
| 1.3.2 神经形态系统的实现与发展 | 第25-26页 |
| 1.4 论文整体结构及主要研究内容 | 第26-28页 |
| 第2章 忆阻器模型与特性分析 | 第28-46页 |
| 2.1 忆阻器模型仿真与分析 | 第28-38页 |
| 2.1.1 惠普忆阻器模型 | 第28-32页 |
| 2.1.2 自旋忆阻器模型 | 第32-34页 |
| 2.1.3 阈值开关模型 | 第34-36页 |
| 2.1.4 电压阈值自适应忆阻器模型 | 第36-38页 |
| 2.2 忆阻器模型比较与特性分析 | 第38-44页 |
| 2.3 本章小结 | 第44-46页 |
| 第3章 忆阻器复合电路及其特性分析 | 第46-62页 |
| 3.1 两类非线性忆阻器模型 | 第46-48页 |
| 3.1.1 电荷控制的忆阻器模型 | 第46-47页 |
| 3.1.2 磁通量控制的非线性忆阻器模型 | 第47-48页 |
| 3.2 忆阻器交叉阵列结构 | 第48-49页 |
| 3.3 多忆阻器的串并联电路 | 第49-54页 |
| 3.3.1 忆阻器串联电路 | 第50-51页 |
| 3.3.2 忆阻器并联电路 | 第51-52页 |
| 3.3.3 忆阻器混联电路 | 第52-54页 |
| 3.4 仿真结果与分析 | 第54-60页 |
| 3.5 本章小结 | 第60-62页 |
| 第4章 忆阻器突触电路及其多层神经网络设计 | 第62-84页 |
| 4.1 引言 | 第62-63页 |
| 4.2 忆阻突触电路设计及分析 | 第63-71页 |
| 4.2.1 忆阻突触电路 | 第63-67页 |
| 4.2.2 仿真结果与分析 | 第67-69页 |
| 4.2.3 突触电路对比分析 | 第69-71页 |
| 4.3 基于忆阻突触的多层神经网络 | 第71-76页 |
| 4.3.1 基于忆阻突触的神经元电路设计 | 第71-73页 |
| 4.3.2 基于忆阻突触的神经网络 | 第73-74页 |
| 4.3.3 神经网络学习算法 | 第74-76页 |
| 4.4 基于忆阻神经网络的应用研究 | 第76-82页 |
| 4.4.1 算法流程描述 | 第76-77页 |
| 4.4.2 实验平台及参数描述 | 第77-78页 |
| 4.4.3 仿真结果与分析 | 第78-82页 |
| 4.5 本章小结 | 第82-84页 |
| 第5章 忆阻脉冲耦合神经网络及其应用研究 | 第84-104页 |
| 5.1 引言 | 第84-85页 |
| 5.2 忆阻脉冲耦合神经网络设计 | 第85-91页 |
| 5.2.1 传统的PCNN模型 | 第85-86页 |
| 5.2.2 忆阻交叉阵列与PCNN模型结合 | 第86-89页 |
| 5.2.3 忆阻PCNN模型仿真分析 | 第89-91页 |
| 5.3 基于忆阻PCNN的应用研究 | 第91-102页 |
| 5.3.1 多通道忆阻PCNN模型 | 第92-93页 |
| 5.3.2 映射函数设计 | 第93-95页 |
| 5.3.3 多聚焦图像融合算法描述 | 第95-97页 |
| 5.3.4 仿真结果与分析 | 第97-102页 |
| 5.4 本章小结 | 第102-104页 |
| 第6章 总结与展望 | 第104-108页 |
| 6.1 总结 | 第104-105页 |
| 6.2 下一步的工作思路 | 第105-108页 |
| 参考文献 | 第108-122页 |
| 攻读博士期间取得的科研成果 | 第122-123页 |
