基于神经元晶体管和忆阻器的Hopfield神经网络及其在联想记忆中的应用

随着人工智能的高速发展,越来越多的神经元模型相继被提出,现有的神经元电路主要由普通晶体管、运算放大器等高功耗器件构成,存在结构复杂、集成度不高、兼容性差、功耗高、阈值调节难度高的缺点.针对以上不足,首次提出了一种全新的神经元结构,该结构仅由神经元晶体管、忆阻器和普通电阻构成,相比传统神经元电路,不包含复杂的差分运算电路以及电流与电压信号的转换电路,电路结构简单,同时具有良好的电路兼容性,可用于大规模集成.该结构利用神经元晶体管的加权求和特性以及阈值可控功能来模拟神经元信息传导过程,同时利用阈值忆阻器的阈值特性和阻值连续变化能力来设定和更新突触权值,使得该新型神经元结构不仅能实现传统神经元电路功能的同时,还具有能耗低、阈值动态可控、权值可编程的优点,不仅极大地简化了网络结构,还能加强网络性能.其次,还提出了基于这种新型神经元结构的忆阻离散Hopfield神经网络,该忆阻神经网络有助于促进人工神经形态系统的硬件实现,使神经网络系统能耗降低,集成度极大地提高,将这种网络运用在联想记忆和彩色数字图像恢复中,进一步说明了基于全新神经元结构的忆阻离散hopfield神经网络的实用性以及有效性.

忆阻交叉阵列模糊PID控制器设计及仿真

随着实时控制、信息处理和图像处理等领域对运行速度要求的逐渐提高,需要开发出一种模糊硬件电路和模糊芯片来实现快速实时的模糊推理.基于忆阻器交叉阵列结构,设计了一种新型模糊神经推理系统,为模糊推理系统的硬件实现提供了设计方案.首先通过对复杂非线性函数建模,验证了所设计的模糊推理系统的准确性,该系统不仅具有处理大量输入输出数据的能力,而且推理过程中不需要繁琐的优化算法.然后将设计的推理系统应用于模糊PID控制器中,通过实验仿真,表明该系统在模糊控制方面有广阔的应用前景.