忆阻器模拟电路及其低通滤波电路研究

设计一个具有斜8字型伏安特性的忆阻器模拟电路模型,并将此模型应用于构建低通滤波电路。进行Multisim仿真并制作了相应的实物电路,仿真和实验结果表明该电路模型可以正确模拟忆阻器的特性,由其构建的忆阻低通滤波电路具有时变特性。     

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。     

真实忆阻器数学建模以及电学仿真

忆阻器作为新一代的记忆设备,相比于传统的COMS具有低功耗,不挥发性,高集成密度等优良特性。本文提出了一种基于具体物理实验数据的忆阻器数学模型,实现了模拟过程能够最为接近真实忆阻基本特性。我们的模型符合忆阻器的随频率变化的三个基本特性,且具有浮点计算,双通道等优良的特征。分析比较了本文建立忆阻器和传统忆阻器的性能差异,并相对于数学模型给出仿真,仿真结果说明了此类忆阻器建立更适应于真实突触的仿真,可以有效的应用基于忆阻器的神经网络。     

基于忆阻器的迟滞比较电路研究

研究了惠普忆阻器的电荷控制模型,并构建了其SimuIink模型,给出了相应的仿真结果。最后设计了一种基于忆阻器的迟滞比较电路,建立了其SimuIink仿真模型,分析了其仿真结果。此电路简单易用,能应用于多种电路,比如方波和锯齿波产生电路等。它在电路尺寸、电路功耗等方面都有优势。     

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.     

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.     

时滞下忆阻突触耦合Hopfield神经网络的动力学行为分析

本文利用忆阻突触来模拟两个相邻神经元之间膜电位差引起的电磁感应电流,构造了一种时滞下四维忆阻Hopfield神经网络模型.同时研究了此系统的零平衡点稳定性以及失稳时发生Hopf分岔的条件,并分析了不同时滞以及加入固定时滞后不同忆阻耦合强度下系统动力学行为发生的变化.通过数值模拟揭示了丰富的动力学现象,如极限环、混沌吸引子等.     

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.     

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.     

面向电压降的忆阻神经网络精度优化EI北大核心CSCD

由于忆阻器交叉阵列自身的模拟特性可高效实现乘累加运算,因此,它被广泛用于构建神经形态计算系统的硬件加速器.然而,纳米线电阻的存在,会引起忆阻器与纳米线构成的电阻网络出现电压降问题,导致忆阻器阵列的输出信号损失而影响神经网络的精度.分析忆阻器电压降与忆阻器状态、位置,输出电流和输出位置的关系,通过稀疏映射优化电压降,并采用输出补偿进一步提高输出精度.仿真实验的结果表明,该方法可以有效地解决电压降引起的问题,忆阻神经网络在手写数字数据集MNIST的识别率达到95.8%,较优化前提升了33.5%.     

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...     

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。     

Design of Hopfield network for cryptographic application by spintronic memristors

Memory being one of the essential credential in today’s computer world seeks forward newer research interests in its types. Hopfield neural networks of artificial neural networks are one of its classes that can be modelled to form an associative memory. In this paper, we have shown the Hopfield neural network constructed with spintronic memristor bridges accounting to act as an associative memory unit. The memristors are nanoscaled, in terms of size, which possess synaptic behaviour in the artificial neuromorphic system. The associative behaviour is realised by the updation of synaptic weights of memristive Hopfield with single- and multiple-bit associativity which is simulated in MATLAB. The application of the hardware in the field of cryptography is also proposed.

     

人工免疫系统及其模型分析

目前,受生物免疫系统启发而产生的人工免疫系统(Artificial Immune System,AIS)作为计算智能研究的新领域正在兴起。文中侧重以AIS的基本原理为线索,对其模型加以系统综述。介绍了人工免疫系统的生物原型及生物免疫系统模型。在此基础上讨论了3种人工免疫系统的网络模型:aiNet、骨髓模型及有限资源人工免疫系统。分别介绍了这3种主要模型的来源,详细描述了各个模型的基本思想,并归纳出各个模型的特征。     

传染病传播模型研究

用数学模型帮助发现传染病的传播机理,预测传染病的流行趋势已成为共识.主要简述了传染病模型的发展历程.传染病的数学模型研究分为两类:决定性模型和网络动力学模型.虽然决定论模型目前仍然具有非常重要的学术地位,但随着人工智能计算机技术的发展,目前网络动力学模型成为了新的研究热点.决定性模型主要介绍了SIS和SIR模型,网络动力学模型主要介绍了目前流行病数学模型中研究较多、应用较广的模型,包括元胞自动机、人工神经网络、无尺度网络模型.介绍了各种模型的研究方法,并且探讨了今后的研究热点,以利用其模拟结果可以更好地为传染病防治决策提供支持.     

基于互补电阻开关的忆阻乘法器设计

现有的忆阻算术逻辑多采用单个忆阻器作为存储单元,在忆阻交叉阵列中易受到漏电流以及设计逻辑电路时逻辑综合复杂度高的影响,导致当前乘法器设计中串行化加法操作的延时和面积开销增加。互补电阻开关具有可重构逻辑电路的运算速度和抑制忆阻交叉阵列中漏电流的性能,是实现忆阻算术逻辑的关键器件。提出一种弱进位依赖的忆阻乘法器。为提升忆阻器的逻辑性能,基于互补电阻开关电路结构,设计两种加法器的优化方案,简化操作步骤。在此基础上,通过改进传统的乘法实现方式,并对进位数据进行拆解,降低运算过程中进位数据之间的依赖性,实现并行化的加法运算。将设计的乘法器映射到混合CMOS/crossbar结构中,乘法计算性能得到大幅提高。在Spice仿真环境下验证所提乘法器的可行性。仿真实验结果表明,与现有的乘法器相比,所提乘法器的延时开销从O(n²)降低为线性级别,同时面积开销降低约70%。     

大尺度大脑模型：相关理论，建模策略与典型模型

利用计算神经科学原理或图论对大脑进行建模得到的大尺度大脑模型,在脑科学研究和人工智能等方面有着极大的研究意义和应用价值。合理的大尺度大脑模型将对探索和理解大脑工作的内在机制以及大脑神经系统相关疾病的成因有很大帮助,也将大大推动人工智能领域由当前的弱人工智能向强人工智能迈进。因此,大尺度大脑模型的相关研究在过去十年间受到国内外学者的广泛关注。通过查阅大量关于大尺度大脑模型的研究文献,并对其相关研究进行回顾、归纳、分析和总结,报告了大尺度大脑模型的研究现状。给出了大尺度大脑模型的明确定义,归纳总结了大尺度大脑模型的多个范畴,同时介绍了研究大尺度大脑模型所需了解的相关基础理论;归纳了大尺度大脑模型的有效构建策略,回顾了迄今为止国内外具有代表性的几个大尺度大脑模型的详细建模方法及应用;总结了大尺度大脑模拟领域目前存在的不足和遇到的困难,展望了大尺度大脑模型将来可能的发展趋势和应用方向。