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
北京交通大学;