

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著信息技術(shù)的高速發(fā)展,需要處理的信息量激增,而晶體管體積縮小即將達(dá)到極限,使得依賴于集成電路技術(shù)的領(lǐng)域發(fā)展遇到了瓶頸。細(xì)胞神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用廣泛的非線性網(wǎng)絡(luò),雖然在進(jìn)行大規(guī)模實(shí)時(shí)信息處理和集成電路實(shí)現(xiàn)方面有著無可比擬優(yōu)勢(shì),但也遇到了此類問題。融入憶阻器天然的記憶效應(yīng)優(yōu)勢(shì)和共振隧道二極管的負(fù)差分電阻特性,能夠構(gòu)建全新的細(xì)胞神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)具有結(jié)構(gòu)簡(jiǎn)單、應(yīng)用靈活的優(yōu)勢(shì)。同時(shí),憶阻器和共振隧道二極管均為納米級(jí)元件,將使得電路體積大大縮小,系
2、統(tǒng)集成度顯著提高。
本文將對(duì)憶阻器,共振隧道二極管與細(xì)胞神經(jīng)網(wǎng)絡(luò)進(jìn)行深入研究,探討三者有效的結(jié)合機(jī)制,構(gòu)建新型細(xì)胞神經(jīng)網(wǎng)絡(luò),并探討在其圖像處理中的應(yīng)用。主要內(nèi)容包括以下四個(gè)部分:
(1)介紹了標(biāo)準(zhǔn)細(xì)胞神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)特性,分析了細(xì)胞神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性及容錯(cuò)性,論證了細(xì)胞神經(jīng)網(wǎng)絡(luò)在圖像處理中的有效性和可行性。針對(duì)細(xì)胞神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn),討論對(duì)其進(jìn)行改進(jìn)的原因及思路。
(2)根據(jù)憶阻器理論模型(Chu
3、a,1971年)和物理模型(HP實(shí)驗(yàn)室,2008年),建立適合嵌入細(xì)胞神經(jīng)網(wǎng)絡(luò)的憶阻器模型,并進(jìn)行matlab仿真和simulink仿真,分析憶阻器的暫態(tài)特性,以及在不同激勵(lì)下的響應(yīng)。在此基礎(chǔ)上,探討了憶阻器與細(xì)胞神經(jīng)網(wǎng)絡(luò)相結(jié)合的機(jī)制。
(3)根據(jù)憶阻器的記憶特性,使用憶阻器替代細(xì)胞間的連接權(quán)值,研究其工作機(jī)制,構(gòu)建新型憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)(MCNN-Ⅰ型)。細(xì)胞神經(jīng)網(wǎng)絡(luò)的應(yīng)用原理是借助不同的模板實(shí)現(xiàn)不同的功能,不同的模板代表
4、著連接權(quán)值的改變。標(biāo)準(zhǔn)的細(xì)胞神經(jīng)網(wǎng)絡(luò)通過乘法器實(shí)現(xiàn)模板的權(quán)值,但乘法器不僅體積大,而且當(dāng)修改模板時(shí)就需要更換乘法器。Ⅰ型憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)使用納米級(jí)器件——憶阻器實(shí)現(xiàn)細(xì)胞間的連接權(quán)值,當(dāng)需要更換模板時(shí),只需使用外加電壓源改變憶阻器的阻值即可。因而,該網(wǎng)絡(luò)模型模板更為靈活,更易更改,應(yīng)用更加多樣化。
(4)根據(jù)憶阻器的負(fù)差分電阻特性,使用憶阻器替代細(xì)胞電路中的電阻,構(gòu)建了Ⅱ型憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)模型(MCNN-Ⅱ)。由于憶阻器是一
5、種具有負(fù)差分電阻特性的元件,將其融入到細(xì)胞電路中,就不再需要引入反饋機(jī)制,可以大大簡(jiǎn)化電路結(jié)構(gòu)。文中對(duì)上述網(wǎng)絡(luò)進(jìn)行穩(wěn)定性分析和計(jì)算機(jī)仿真,證明其在圖像處理中的應(yīng)用。
(5)由于憶阻器的負(fù)差分電阻特性在硬開關(guān)狀態(tài)下才顯得特別明顯,并不是一種用于替換細(xì)胞電路中電阻的理想元件,而另一種納米級(jí)元件——共振隧道二極管(RTD)具有理想的負(fù)差分電阻特性。我們?cè)诜治隽薘TD的基本特性的基礎(chǔ)上,利用RTD完美的負(fù)差分電阻特性和憶阻器的自動(dòng)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)的建模及應(yīng)用.pdf
- 基于憶阻器的混沌神經(jīng)網(wǎng)絡(luò)及應(yīng)用.pdf
- 憶阻神經(jīng)網(wǎng)絡(luò)的應(yīng)用.pdf
- 基于憶阻器的神經(jīng)網(wǎng)絡(luò)研究.pdf
- 憶阻器在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用研究.pdf
- 基于STDP規(guī)則的憶阻神經(jīng)網(wǎng)絡(luò)及應(yīng)用.pdf
- 憶阻器模型及其在人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用.pdf
- 基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究.pdf
- 憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)及組合同步研究.pdf
- 憶阻神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)與應(yīng)用.pdf
- 憶阻多層神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)及其應(yīng)用.pdf
- 基于憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)的彩色圖像邊緣提取.pdf
- 基于憶阻橋突觸的神經(jīng)網(wǎng)絡(luò)電路研究及應(yīng)用.pdf
- 基于憶阻突觸的神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究.pdf
- 基于憶阻器的競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)及其聯(lián)想記憶研究.pdf
- 憶阻器神經(jīng)網(wǎng)絡(luò)的無源性與同步問題.pdf
- 憶阻器神經(jīng)網(wǎng)絡(luò)的概周期解與同步問題.pdf
- 憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究.pdf
- 憶阻器的存儲(chǔ)特性及其在神經(jīng)網(wǎng)絡(luò)方面的應(yīng)用研究.pdf
- 新型憶阻神經(jīng)網(wǎng)絡(luò)及其在信息加密中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論