基于阻变存储器的存算一体神经网络体系架构研究

目录

声明

致谢

1 引言

1.1 ReRAM神经网络计算系统的优势与关键问题

1.2 新兴非易失存储神经网络计算技术研究现状

1.2.1 国内研究进展

1.2.2 国外研究进展

1.2.3 研究展望

1.3 论文的研究方案

1.4 论文的组织安排

2 ReRAM神经网络计算系统背景简介

2.1 ReRAM阵列原理介绍

2.1.1 ReRAM阵列的存储原理

2.1.2 ReRAM阵列的计算原理

2.2 神经网络技术简介

2.2.1 神经网络的训练

2.2.2 神经网络的推断

2.3 本章小结

3 神经网络算法在ReRAM计算系统上的映射方法

3.1 概述

3.2 研究动机

3.3 卷积层运算在ReRAM结构上的映射方法

3.3.1 平面 ReRAM阵列的卷积核运算映射方法

3.3.2 三维 ReRAM阵列的卷积核运算映射方法

3.4 基于ReRAM计算结构的外围电路模块

3.4.1 池化模块

3.4.2 非线性神经元模块和加法树模块

3.5 仿真实验结果

3.6 本章小结

4 ReRAM神经网络计算系统仿真模型

4.1 概述

4.2 研究动机

4.3 ReRAM神经网络计算系统层次化分析

4.3.1 加速器层

4.3.2 计算块层

4.3.3 处理单元层

4.4 ReRAM神经网络计算系统仿真模型搭建

4.4.1 ReRAM阵列

4.4.2 WL译码电路

4.4.3 模-数转换器/灵敏放大器

4.5 仿真实验结果

4.5.1 仿真加速比分析

4.5.2 最优化设计分析

4.6 本章小结

5 三维阻变存储器阵列卷积核操作演示

5.1 概述

5.2 实验材料与数据集介绍

5.2.1 3D-VRRAM器件特性

5.2.2 3D MNIST 数据集

5.3 卷积核操作验证方法

5.4 仿真实验结果

5.5 本章小结

6 结论

6.1 本文的贡献

6.2 今后的研究工作

参考文献

作者简历及攻读硕士/博士学位期间取得的研究成果

独创性声明

学位论文数据集