类脑神经网络与神经形态器件及其电路综述

为了系统地了解类脑神经网络电路,在对类脑神经网络进行简要介绍的基础之上,重点阐述两种类别的神经形态器件及功能,包括不同类型的浮栅管和不同工艺材料的忆阻器来模拟单个神经元和突触可塑性功能;然后,以神经形态器件为基础,分别介绍了基于浮栅管和忆阻器实现神经网络电路;最后总结当前神经形态器件及类脑神经网络芯片存在的问题,并对有关类脑计算研究方向进行了展望。

基于粒子群算法的模糊大脑情感学习非线性系统辨识

为提高神经网络模型在解决非线性系统辨识问题上的精度,提出一种基于粒子群算法的模糊大脑情感学习模型。该模型包含大脑情感学习网络,在利用系统历史数据对模型进行训练的基础上,通过适应度函数动态调整网络结构中的权重因子,提高网络学习效率和辨识精度。在对连续搅拌反应器系统辨识试验和对sin E强非线性对象逼近试验中,与常规模糊大脑情感学习模型、BP神经网络和RBF神经网络相比,本模型拥有更高的逼近能力和更快的收敛速度,解决了基于试错法导致的模型参数调整时间长、模型不稳定等问题,为辨识的实际应用提供了可行的模型选择。

面向新型计算架构的存算融合晶体管器件研究

基于金属-氧化物-半导体场效应晶体管(metal-oxide-semiconductor field-effect transistor,MOSFET)器件和冯·诺伊曼架构的半导体芯片技术带领人类迈进了信息化时代.近年来,新型计算架构蓬勃发展.然而,专用算法和类脑智能算法映射至MOSFET电路时,通常面临硬件开销大、系统能效低等挑战.针对上述问题,本文研制了具有存算融合特点的新型晶体管器件,有效适配了专用算法和类脑计算应用:在基础数值计算方面,针对多项式计算,研制了电荷捕获型晶体管,利用器件的本征非线性动力学特征,基于单器件实现了三元素乘法运算,有效加速了多项式回归任务;在新兴智能计算方面,针对神经网络计算,研制了离子栅型神经形态晶体管,利用双栅耦合的方式实现了神经元的非线性激活和时空信息整合功能,并基于此提出了神经元相关性脉冲神经网络,实现了注意力转变现象的模拟.本文的工作将为新型计算架构芯片的构建提供新的思路.