憶阻器-RTD混合結(jié)構(gòu)細(xì)胞神經(jīng)網(wǎng)絡(luò)及應(yīng)用.pdf

1、隨著信息技術(shù)的高速發(fā)展,需要處理的信息量激增,而晶體管體積縮小即將達(dá)到極限,使得依賴于集成電路技術(shù)的領(lǐng)域發(fā)展遇到了瓶頸。細(xì)胞神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用廣泛的非線性網(wǎng)絡(luò),雖然在進(jìn)行大規(guī)模實(shí)時(shí)信息處理和集成電路實(shí)現(xiàn)方面有著無可比擬優(yōu)勢,但也遇到了此類問題。融入憶阻器天然的記憶效應(yīng)優(yōu)勢和共振隧道二極管的負(fù)差分電阻特性,能夠構(gòu)建全新的細(xì)胞神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)具有結(jié)構(gòu)簡單、應(yīng)用靈活的優(yōu)勢。同時(shí),憶阻器和共振隧道二極管均為納米級元件,將使得電路體積大大縮小,系

2、統(tǒng)集成度顯著提高。
　　 本文將對憶阻器,共振隧道二極管與細(xì)胞神經(jīng)網(wǎng)絡(luò)進(jìn)行深入研究,探討三者有效的結(jié)合機(jī)制,構(gòu)建新型細(xì)胞神經(jīng)網(wǎng)絡(luò),并探討在其圖像處理中的應(yīng)用。主要內(nèi)容包括以下四個(gè)部分:
　　 (1)介紹了標(biāo)準(zhǔn)細(xì)胞神經(jīng)網(wǎng)絡(luò)的動力學(xué)特性,分析了細(xì)胞神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性及容錯(cuò)性,論證了細(xì)胞神經(jīng)網(wǎng)絡(luò)在圖像處理中的有效性和可行性。針對細(xì)胞神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn),討論對其進(jìn)行改進(jìn)的原因及思路。
　　 (2)根據(jù)憶阻器理論模型(Chu

3、a,1971年)和物理模型(HP實(shí)驗(yàn)室,2008年),建立適合嵌入細(xì)胞神經(jīng)網(wǎng)絡(luò)的憶阻器模型,并進(jìn)行matlab仿真和simulink仿真,分析憶阻器的暫態(tài)特性,以及在不同激勵(lì)下的響應(yīng)。在此基礎(chǔ)上,探討了憶阻器與細(xì)胞神經(jīng)網(wǎng)絡(luò)相結(jié)合的機(jī)制。
　　 (3)根據(jù)憶阻器的記憶特性,使用憶阻器替代細(xì)胞間的連接權(quán)值,研究其工作機(jī)制,構(gòu)建新型憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)(MCNN-Ⅰ型)。細(xì)胞神經(jīng)網(wǎng)絡(luò)的應(yīng)用原理是借助不同的模板實(shí)現(xiàn)不同的功能,不同的模板代表

4、著連接權(quán)值的改變。標(biāo)準(zhǔn)的細(xì)胞神經(jīng)網(wǎng)絡(luò)通過乘法器實(shí)現(xiàn)模板的權(quán)值,但乘法器不僅體積大,而且當(dāng)修改模板時(shí)就需要更換乘法器。Ⅰ型憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)使用納米級器件——憶阻器實(shí)現(xiàn)細(xì)胞間的連接權(quán)值,當(dāng)需要更換模板時(shí),只需使用外加電壓源改變憶阻器的阻值即可。因而,該網(wǎng)絡(luò)模型模板更為靈活,更易更改,應(yīng)用更加多樣化。
　　 (4)根據(jù)憶阻器的負(fù)差分電阻特性,使用憶阻器替代細(xì)胞電路中的電阻,構(gòu)建了Ⅱ型憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)模型(MCNN-Ⅱ)。由于憶阻器是一

5、種具有負(fù)差分電阻特性的元件,將其融入到細(xì)胞電路中,就不再需要引入反饋機(jī)制,可以大大簡化電路結(jié)構(gòu)。文中對上述網(wǎng)絡(luò)進(jìn)行穩(wěn)定性分析和計(jì)算機(jī)仿真,證明其在圖像處理中的應(yīng)用。
　　 (5)由于憶阻器的負(fù)差分電阻特性在硬開關(guān)狀態(tài)下才顯得特別明顯,并不是一種用于替換細(xì)胞電路中電阻的理想元件,而另一種納米級元件——共振隧道二極管(RTD)具有理想的負(fù)差分電阻特性。我們在分析了RTD的基本特性的基礎(chǔ)上,利用RTD完美的負(fù)差分電阻特性和憶阻器的自動