基于忆阻器的连续学习混沌神经网络

忆阻器具有独特的记忆功能和连续可变的电导状态,在人工智能与神经网络等研究领域具有巨大的应用优势.详细推导了忆阻器的电荷控制模型,将纳米忆阻器与具有智能信息处理能力的混沌神经网络相结合,提出了一种新型的基于忆阻器的连续学习混沌神经网络模型.利用忆阻器可直接实现网络中繁多的反馈与迭代,即完成外部输入对神经元及神经元之间相互作用的时空总和.提出的忆阻连续学习混沌神经网络可以实现对已知模式和未知模式的区分,并能对未知模式进行自动学习和记忆.给出的计算机仿真验证了方案的可行性.由于忆阻器具有纳米级尺寸和自动的记忆能力,该方案有望大大简化混沌神经网络结构.     

基于阈值自适应忆阻器Hopfield神经网络的关联规则挖掘算法

针对基于Hopfield神经网络的最大频繁项集挖掘（HNNMFI）算法存在的挖掘结果不准确的问题,提出基于电流阈值自适应忆阻器（TEAM）模型的Hopfield神经网络的改进关联规则挖掘算法。首先,使用TEAM模型设计实现突触,利用阈值忆阻器的忆阻值随方波电压连续变化的能力来设定和更新突触权值,自适应关联规则挖掘算法的输入。其次,改进原算法的能量函数以对齐标准能量函数,并用忆阻值表示权值,放大权值和偏置。最后,设计由最大频繁项集生成关联规则的算法。使用10组大小在30以内的随机事务集进行1000次仿真实验,实验结果表明,与HNNMFI算法相比,所提算法在关联挖掘结果准确率上提高33.9个百分点以上,说明忆阻器能够有效提高Hopfield神经网络在关联规则挖掘中的结果准确率。     

忆阻值的影响参数分析

为了分析参数对忆阻器忆阻值的影响,通过搭建忆阻器的Matlab仿真模型,运用控制变量法,分别设置外加激励幅值为1,2V,电压频率为1,2Hz,忆阻器横截面积为10,25 μm2,忆阻器长度为10,20 nm,对不同条件不同参数的忆阻器模型进行了大量仿真分析.计算各伏安特性曲线和忆阻值的具体变化范围,通过对仿真数据的统一比较分析得出了不同情况下忆阻值的变化规律.     

基于忆阻器边缘计算的图像分类电路设计

针对边缘智能设备低功耗、轻算力的要求,采用新型存算一体器件—–忆阻器作为基础电路元件,设计低功耗图像识别电路.该电路采用多个忆阻卷积层和忆阻全连接网络串联的方式,获得较高的识别精度.为了减小忆阻卷积层计算所需的忆阻交叉阵列的行尺寸与列尺寸的不平衡,同时降低输入电压方向电路的功耗,将输入电压反相器置于忆阻交叉阵列之后.所设计电路可以将完成忆阻卷积网络运算所需的忆阻交叉阵列的行大小从2M+1减少至M+1,同时将单个卷积核计算所需的反相器的数量降至1,大幅度降低忆阻卷积网络的体积和功耗.利用数学近似,将BN层和dropout层计算合并到CNN层中,减小网络层数同时降低电路的功耗.通过在CIFAR-10数据集上的实验表明,所设计电路可以有效地对图像进行分类,同时具备推理速度快(136 ns)和功耗低的优点(单个神经元功耗小于3.5 uW).     

基于改进忆阻器的高通滤波器设计与仿真

针对传统的忆阻器模型存在不能很好地与HP实验室提出的忆阻器物理模型中忆阻器的阻值变化特点相符的问题,提出了一种改进的带有阈值电压的忆阻器模型,该模型能很好地模拟忆阻器的"激活"现象,其特性与HP实验室的忆阻器物理模型相符;基于该改进模型设计了一种高通滤波器电路,该电路通过改变忆阻器阻值控制电路的输出信号来改变忆阻器的阻值,从而实现了滤波器截止频率的调节。SPICE仿真结果验证了设计的正确性。     

一类变时滞忆阻器递归神经网络全局指数周期性

忆阻器是近几年来提出的一种区别于电阻、电容、电感的一类非线性两端无源电子元件,而忆阻器递归神经网络由于系统参数的不同,系统表现出各种动态性能。针对一类变时滞忆阻器递归神经网络,研究全局指数周期性问题,考虑连接权值在切换状态下的对称和非对称的情况,通过构造两个Lyapunov函数、Halanay不等式和由Fillippov给出的右端不连续微分方程理论的研究方法,提出关于全局指数周期性的充分性条件。最后,实验结果验证了所提理论的可行性和有效性。     

基于忆阻器的矩形波信号发生器

利用忆阻器独特的电路学性质,设计了一个基于忆阻器的新型矩形波信号发生器。电路中不含有分立的电容元件,输出波形频率和幅值精确可调。用PSPICE进行仿真分析,仿真结果验证了该方案的有效性。     

忆阻混沌系统的有限时间控制

忆阻器作为电路中的第四个基本元件,于1971年由蔡教授提出。忆阻器是非线性的,具有很多特殊的属性。目前,基于忆阻器的电路设计成为研究热点,基于忆阻器的混沌系统也吸引了很多学者的关注。基于有限时间稳定的思想,研究了一类五阶忆阻混沌系统的全局稳定性及有限时间镇定问题,设计了非连续的状态反馈控制器,使得忆阻混沌系统全局指数稳定。仿真实验结果验证了该方法的正确性和有效性。     

基于Temporal rule的忆阻神经网络电路

忆阻器是一种动态特性的电阻,其阻值可以根据外场的变化而变化,并且在外场撤掉后能够保持原来的阻值,具有类似于生物神经突触连接强度的特性,可以用来存储突触权值。在此基础上,为了实现基于Temporal rule对IRIS数据集识别学习的功能,建立了以桥式忆阻器为突触的神经网络SPICE仿真电路。采用单个脉冲的编码方式,脉冲的时刻代表着数据信息,该神经网络电路由48个脉冲输入端口、144个突触、3个输出端口组成。基于Temporal rule学习规则对突触的权值修改,通过仿真该神经网络电路对IRIS数据集的分类正确率最高能达到93.33%,表明了此神经系统结构设计在类脑脉冲神经网络中的可用性。     

忆阻桥放大效应在光纤式结冰探测中的应用

鉴于双光路通道差动测量方法能够有效去除共模干扰,本文将新型电路元件—忆阻器与传统的光纤式结冰传感器相结合,提出了纳米级尺寸具有放大效应的忆阻桥网络结构,分析了忆阻桥的放大效应原理,实现了光电二极管光电流信号的放大,以桥臂忆阻阻值和感知忆阻两端电压作为传感输出,对冰层厚度进行探测。仿真实验结果表明：该双测量通道忆阻桥网络结构能够同时有效消除光路扰动和扩大结冰厚度的测量范围。     

变时滞随机忆阻器神经网络的同步控制

在实现实际的复杂人工神经网络模型以及大规模集成电路时,随机噪声是不可避免的.因此,随机忆阻器神经网络具有重要的现实研究意义.针对变时滞随机忆阻器神经网络的同步控制问题,基于非光滑分析以及集值映射、随机微分包含的理论,利用Lyapunov函数和基本不等式的方法,设计了一个线性反馈控制器.通过恰当选择控制器增益,实现了随机忆阻器神经网络驱动系统与相应的响应系统之间的指数同步,所得到的结果保守性更小.最后,给出数值例子验证了理论结果的有效性.     

一种基于荷控忆阻器的混沌电路

在原有忆阻器的定义上采用一种相对简单的荷控忆阻器模型,其忆阻M与电荷q的关系可以用一条二次曲线来描述。经仿真分析,其伏安特性曲线是一条类斜"8"字滞后回线,且会随着周期双极性输入信号的频率和振幅的变化而变化,并在一定程度上受到忆阻器本身参数的影响。用此荷控忆阻器代替蔡氏电路中的蔡氏二极管,得到含荷控忆阻器的电路,给出相轨图、Lyapunov指数与维数来验证其在一定参数配置下处于混沌状态。通过变换系统的初始值,验证了此混沌系统的运动轨迹在初始值微小的变化下会发生很大的差异。Lyapunov指数谱表明含荷控忆阻器的混沌系统在初始值变化时能够进入超混沌状态。利用劳斯判据判别了排除零特征根的影响下该混沌系统在平衡点处的稳定性。     

一种基于忆阻器的新型曝光量传感器

为了增大曝光量传感器的测量范围,提出了一种基于忆阻器的新型曝光量传感器设计方案。该传感器主要由光敏电阻、限流电阻和忆阻器组成。光敏电阻的阻值随着光照度的变化发生改变,引起回路电流和电荷量发生变化。基于记忆效应,忆阻器利用其阻值来表征物体被辐照时光照度在一段时间内的积分值,从而实现了对曝光量的测量。为了验证所设计的基于忆阻器的曝光量传感器,进行了光照度恒定不变、逐渐增大和随机变化情况下的测试。实验结果表明,曝光量传感器实现了对曝光量的测量,具有比一般测量方法更大的测量范围,而且随着光照度的增大,传感器的测量范围随之增大。另外,随着限流电阻的增大,传感器的测量范围逐渐增大,但其灵敏度随之降低。     

忆阻器状态逻辑中与操作的高效设计与实现

作为电阻、电容、电感之外的第4种基本电路元件,忆阻器自2008年被发现以来受到学术界和产业界的广泛关注.忆阻器的阻值记忆效应和纳米工艺制造方式使其被认为可用于构建未来更大容量和密度的存储器,逐渐替代FLASH等现有存储器件.除存储功能外,HP公司在2010年《Nature》上发表的文章表明,忆阻器还可以通过以蕴含为基础的状态逻辑实现任意逻辑运算.研究了忆阻器状态逻辑的另一种操作——与操作,提出了一种更加高效的与操作实现方法,该方法不需要增加额外的忆阻器,降低了激励电压的复杂性,减小了误差,使运算更加简便高效.最后通过SPICE模拟仿真对提出的方法进行了验证.     

一种基于忆阻特性的监督神经网络算法及电路设计

针对如何将忆阻器融入人工神经网络算法并进行硬件实现的问题,提出了一种在现场可编程逻辑门阵列(FPGA)平台上实现的基于忆阻特性的监督神经网络算法。该设计以忆阻器模块作为神经网络中的权值存储模块,构建误差反馈机制的监督学习。将该忆阻神经网络电路应用于图像分类问题,并进行了资源占用和处理速度的优化。实验结果表明其分类结果良好,在Cyclone Ⅱ:EP2C70F896I8平台上,整体网络算法占用11 773个逻辑单元(LEs),训练耗时0. 33 ms,图像的测试耗时10μs。这一工作对忆阻器和神经网络的结合提出了一个有益的参考。     

基于MNIST的忆阻神经网络稳定性研究

为了探究忆阻器的稳定性问题对忆阻神经网络性能的影响,基于等效电阻拓扑结构的忆阻器模型,搭建了一个将忆阻器作为突触的BP神经网络,并利用MNIST数据集对该网络进行训练和测试。忆阻器的稳定性问题通过设置忆阻器参数波动来模拟,最终发现忆阻器一定程度内的性能波动会促进神经网络的收敛,但波动过大则会降低网络的收敛速度。为了表征波动的临界程度,测得了基于忆阻器模型的各参数的最大波动范围,并进一步计算出忆阻器件工艺层次参量的取值范围,为忆阻神经网络硬件化中忆阻器件的工艺制造和选用提供了参考。     

具有隐藏超级多稳态的新5维忆阻超混沌系统的动力学分析

为进一步研究忆阻器及其应用，提出了一个具有隐藏吸引子的光滑5维忆阻超混沌系统，通过绘制相图和李雅普诺夫指数谱，验证了系统的混沌特征。分析了系统的分岔参数，实现了对两个状态变量的偏移增量控制，进行了吸引子的调幅分析。在此系统中发现了基于初值的超级多稳态现象。揭示了当初值分别沿着x轴、u轴及x-u平面内的不同直线移动时，关于吸引子偏移增量控制的新现象。最后，建立了系统的非线性电路模拟方程，验证了所提出的磁通控制忆阻系统物理实现的可行性。     

基于忆容桥的突触电路研究

利用4个相同忆容器构建一个能实现零、正和负突触权重的忆容桥电路。在附加3个晶体三极管后,忆容桥权重电路能够实现神经细胞的突触操作。由于整个操作都是基于脉冲输入信号,因此整个电路是高效节能的。通过Matlab实现突触权重设计和突触权重乘法的模拟。仿真实验结果表明,基于线性忆容桥的突触电路在性能上与忆阻突触桥电路基本相当,优于传统突触乘法电路。     

时滞忆阻神经网络动力学分析与控制综述

忆阻器(Memristor)是一种无源的二端电子元件, 同时也是一种纳米级元件, 具有低能耗、高存储、小体积和非易失性等特点. 作为一种新型的存储器件, 忆阻器的研制, 有望使计算机实现人脑特有的信息存储与信息处理一体化的功能, 打破目前冯·诺伊曼(Von Neumann)计算机架构, 为下一代计算机的研制提供一种全新的架构. 鉴于忆阻器与生物神经元突触具有十分相似的功能, 使忆阻器得以充当人工神经元的突触, 建立起一种基于忆阻器的人工神经网络即忆阻神经网络. 忆阻器的问世, 为人工神经网络从电路上模拟人脑提供了可能, 必将极大推动人工智能的发展. 此外, 忆阻神经网络的硬件实现及信号传递过程中, 不可避免会出现时滞与分岔等现象, 因此讨论含各种时滞, 如离散、分布、泄漏时滞以及它们混合的时滞忆阻神经网络系统更具有现实意义. 首先介绍了忆阻器的多种数学模型及其分类, 建立了时滞忆阻神经网络(Delayed memristive neural networks, DMNN)的数学模型并阐述了其优点. 然后提出了处理时滞忆阻神经网络动力学行为与控制问题的两种思路, 详细综述了时滞忆阻神经网络系统的稳定性(镇定)、耗散性与无源性及其同步控制方面的内容, 简述了其他方面的动力学行为与控制, 并介绍了时滞忆阻神经网络动力学行为与控制研究新方向. 最后, 对所述问题进行了总结与展望.     

忆阻器的温度效应改进模型及其仿生神经突触传递

突触传递是温度敏感的,由于缺乏温度依赖性的突触电导分析模型,无法在神经系统建模时包括温度效应.忆阻器因其阻值连续可变和纳米尺寸的优势,被广泛认为可以模拟生物突触.本文通过改进忆阻保留值和考虑温度对离子迁移和扩散的影响,提出一种新的氧化钨忆阻器模型,此模型更加符合忆阻器的实际行为特性.首先,改进的数学模型不仅具有原模型的功能,同时可以拟合忆阻器的实际遗忘规律.另外,将此忆阻器作为生物突触耦合两个相同的HH神经元,能够体现温度对突触传递的影响,即温度上升引起氧空位迁移和扩散速率发生变化,导致忆阻器电导变化速率加快,进一步影响兴奋性突触后膜电位幅值和放电次数,而相关仿真结果与神经生理实验现象相符.本文的工作表明,改进的氧化钨忆阻器模型更适合作为仿生突触应用到神经形态系统中,将为指导忆阻器的设计制造工艺以提高其仿生突触性能提供参考,也为研究温度对突触传递的影响提供了一种新思路.