基于忆阻突触的神经网络及其应用研究

摘要

忆阻器是一种具有记忆性的新型电路元件，在阻变存储、逻辑运算以及细胞突触等方向具有广阔的应用前景。本文以忆阻突触为基础，围绕STDP学习法则、细胞神经网络以及忆阻神经网络联想记忆作了以下研究工作:
　　首先本文研究了忆阻器的基本电路性质，分析了忆阻器的线性模型与非线性模型的数学特征，对几种常用的忆阻器非线性窗函数作了对比分析研究。Pspice仿真结果验证了忆阻器是一种具有记忆性的元件，其伏安特性曲线呈现出典型的磁滞特性。进一步的，本文通过仿真分析验证了忆阻器是一种会随着外加交流信号源频率的上升而逐渐退化为线性电阻的元件。
　　然后本文深入研究了两种已有的忆阻突触桥电路模型，仿真结果表明使用线性忆阻器模型搭建的忆阻突触桥电路可以很好的实现线性可调的忆阻突触。研究了近年来被提出的STDP学习法则以及脉冲神经网络，通过理论分析，验证了使用忆阻器实现细胞突触的可能性。基于Spectre电路仿真得到了实验上的STDP学习函数，仿真结果与理论上的STDP学习函数基本一致。对使用忆阻器作为细胞突触实现阵列结构细胞网络，基于STDP学习法则的脉冲神经网络及其应用，均作了详细的验证性仿真分析研究。
　　其次本文研究了细胞神经网络及其基本理论，使用Matlab搭建了细胞神经网络模型并对其稳定性以及瞬态响应作了分析研究。改进了一种SimScape忆阻器模型，具体是添加了信号转换模块，在第三部分理论分析的基础上使用Simulink搭建了忆阻突触桥电路，并给出了使用电压脉冲信号精确调节忆阻突触权值的详细过程。使用忆阻突触电路替换CNN中的权值模块，得到了基于忆阻突触的细胞神经网络并使用此网络实现了图像处理中的去噪与边缘提取，Matlab仿真结果表明，基于忆阻突触的细胞神经网络可以很好的完成图像处理工作。
　　最后本文主要研究了忆阻突触在联想记忆中的应用并提出了一种改进的联想记忆模型。在对Hebb学习法则与巴普洛夫联想记忆模型进行研究后，本文详细分析了两种不同结构的联想记忆模型，分别是使用数字芯片实现的忆阻联想记忆模型和使用单个忆阻器实现的联想记忆模型。这两种模型均没有实现Pavlova实验模型的衰落与遗忘过程。基于第二种已有模型，考虑其不足之处，本文提出了一种改进的联想记忆模型。Pspice电路仿真结果表明本文提出的联想记忆模型不仅结构更为简单，而且很好的实现了Pavlova实验的衰落与遗忘过程。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 国内外研究现状

1．2．1 忆阻细胞神经网络国内外研究现状

1．2．2 基于忆阻突触的联想记忆国内外研究现状

1．3 论文研究内容

1．4 论文组织结构

第二章 忆阻器模型

2．1 理想惠普忆阻器模型

2．2 非线性惠普忆阻器模型

2．3 其它非线性忆阻器模型

2．3．1 指数忆阻器模型

2．3．2 西蒙隧道模型

2．3．3 阈值自适应忆阻器模型

2．4 本章小结

第三章 忆阻突触与STDP学习法则

3．1 经典忆阻突触桥电路

3．1．1 忆阻突触桥电路分析仿真

3．1．2 基于经典忆阻桥的细胞神经网络分析

3．2 新型忆阻突触权值电路

3．2．1 符号设定

3．2．2 基于权值的乘法操作

3．2．3 忆阻值漂移现象分析

3．2．4 基于开关的双脉冲发生器

3．3 STDP原理介绍与实验仿真

3．3．1 一种阈值忆阻器模型

3．3．2 加性与乘性STDP简介

3．3．3 忆阻突触与STDP之间的关联

3．3．4 基于忆阻突触的乘性STDP

3．4 基于STDP算法的忆阻神经网络应用研究

3．4．1 基于忆阻突触的阵列结构神经网络

3．4．2 使用乘性STDP训练脉冲神经网络

3．5 本章小结

第四章 基于忆阻突触的神经网络

4．1 细胞神经网络简介

4．1．1 细胞神经网络理论简介

4．1．2 细胞神经网络稳定性分析

4．2 基于忆阻的细胞神经网络及其应用

4．2．1 忆阻细胞神经网络模型分析

4．2．2 MCNN权值调节分析

4．2．3 MCNN在图像处理中的应用

4．3 本章小结

第五章 基于忆阻神经网络的联想记忆模型

5．1 HEBB学习法则与关联记忆

5．2 联想记忆模型简介

5．2．1 基于DSP芯片实现的联想记忆模型

5．2．2 基于AIF算法的忆阻联想记忆模型

5．3 AJF忆阻神经网络联想记忆模型仿真

5．4 一种新型忆阻神经网络联想记忆模型

5．5 本章小结

第六章 总结与展望

致谢

参考文献

硕士期间发表的论文和科研成果