本文選題：遞歸神經(jīng)網(wǎng)絡 + 憶阻器��； 參考：《中國科學:信息科學》2017年09期

【摘要】：遞歸神經(jīng)網(wǎng)絡是一種非線性動力系統(tǒng),被廣泛應用在聯(lián)想記憶.遞歸神經(jīng)網(wǎng)絡的激活函數(shù)是典型的分段線性函數(shù),其硬件實現(xiàn)繁瑣.憶阻器是非線性的動態(tài)納米級器件,將其用于神經(jīng)網(wǎng)絡,可以實現(xiàn)低功耗、易擴展的憶阻激活函數(shù)電路.本文利用憶阻器磁通量和電荷之間的關系特性,提出了一種基于憶阻激活函數(shù)的遞歸神經(jīng)網(wǎng)絡,并將其應用到聯(lián)想記憶中.首先,利用憶阻器設計出二值、三值憶阻激活函數(shù),為遞歸神經(jīng)網(wǎng)絡集成電路的實現(xiàn)提供了有效的方法.其次,加入矩陣轉移函數(shù),提出了一種基于憶阻激活函數(shù)的遞歸神經(jīng)網(wǎng)絡模型.最后,實現(xiàn)了二值、三值靜態(tài)圖像的自聯(lián)想記憶和異聯(lián)想記憶,并且通過仿真實現(xiàn)了字母圖像中的字母移動,因而實現(xiàn)動態(tài)圖像的聯(lián)想記憶.該研究能簡化遞歸神經(jīng)網(wǎng)絡集成電路,并且為實現(xiàn)記憶視頻運動提供新的有效途徑.
[Abstract]:Recursive neural network is a nonlinear dynamic system, which is widely used in associative memory. The activation function of recurrent neural network is a typical piecewise linear function. The resistor is a nonlinear dynamic nano-scale device, which can be used in neural network to realize low power consumption and easy to extend the circuit of memory activation function. Based on the relationship between magnetic flux and charge, a recursive neural network based on memory activation function is proposed and applied to associative memory. Firstly, the binary and ternary mnemonic activation functions are designed by means of a resistive device, which provides an effective method for the realization of the integrated circuit of recurrent neural network. Secondly, a recursive neural network model based on memory activation function is proposed by adding matrix transfer function. Finally, the self-associative memory and the hetero-associative memory of the binary and ternary still images are realized, and the letter movement in the alphabetic image is realized by simulation, so the associative memory of the dynamic image is realized. This research can simplify the integrated circuit of recurrent neural network and provide a new effective way to realize the motion of memory video.
【作者單位】： 非線性電路與智能信息處理重慶市重點實驗室;西南大學電子信息工程學院;
【基金】：國家自然科學基金(批準號:61372139,61571372,61672436) 中央高�；究蒲袠I(yè)務費專項資金(批準號:XDJK2016A001)資助項目
【分類號】：TP183

【相似文獻】

相關期刊論文 前10條

1 溫廣瑞,屈梁生,張西寧;基于遞歸神經(jīng)網(wǎng)絡的多步預報方法[J];西安交通大學學報;2002年07期

2 金仁貴;;帶有偏差單元的遞歸神經(jīng)網(wǎng)絡在故障診斷方面的應用[J];電腦知識與技術;2006年29期

3 陳鋼;王占山;;連續(xù)時間遞歸神經(jīng)網(wǎng)絡的穩(wěn)定性分析[J];沈陽理工大學學報;2007年02期

4 汪曉夢;;帶有偏差單元的遞歸神經(jīng)網(wǎng)絡在故障診斷方面的應用優(yōu)化[J];甘肅聯(lián)合大學學報(自然科學版);2010年05期

5 杜艷可;徐瑞;;具有時滯的遞歸神經(jīng)網(wǎng)絡動力學研究進展[J];北華大學學報(自然科學版);2012年01期

6 蔣洪睿,莫瑋,李麗;遞歸神經(jīng)網(wǎng)絡自適應均衡抗突發(fā)干擾研究[J];電訊技術;2000年01期

7 宋軼民,余躍慶,張策,馬文貴;動態(tài)遞歸神經(jīng)網(wǎng)絡及其在機敏機構辨識中的應用[J];機械科學與技術;2001年04期

8 張奇志,賈永樂,周雅莉;噪聲有源控制的遞歸神經(jīng)網(wǎng)絡方法[J];控制與決策;2001年03期

9 李峰,李樹榮;基于動態(tài)遞歸神經(jīng)網(wǎng)絡的動態(tài)矩陣控制[J];石油大學學報(自然科學版);2001年03期

10 唐普英,李紹榮,黃順吉;一種新的復值遞歸神經(jīng)網(wǎng)絡訓練方法及其應用[J];信號處理;2001年06期

相關會議論文 前10條

1 房毅憲;王寶文;王永茂;;基于偏差遞歸神經(jīng)網(wǎng)絡的股價預測(英文)[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（上冊）[C];2006年

2 劉勇;沈毅;胡恒章;;遞歸神經(jīng)網(wǎng)絡自適應濾波器[A];1998年中國智能自動化學術會議論文集（上冊）[C];1998年

3 趙英凱;蔡寧;;基于對角遞歸神經(jīng)網(wǎng)絡的肟化投酮量在線預估[A];1998年中國智能自動化學術會議論文集（上冊）[C];1998年

4 李樹榮;李峰;;基于動態(tài)遞歸神經(jīng)網(wǎng)絡的非線性系統(tǒng)重構[A];1998年中國控制會議論文集[C];1998年

5 史志偉;韓敏;;應用遞歸神經(jīng)網(wǎng)絡建立非線性結構系統(tǒng)模型[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

6 叢爽;戴誼;;遞歸神經(jīng)網(wǎng)絡逼近性能的研究[A];'2006系統(tǒng)仿真技術及其應用學術交流會論文集[C];2006年

7 呂進;郭晨;劉雨;;基于不完全遞歸神經(jīng)網(wǎng)絡的二階導數(shù)多步預測模糊控制及應用[A];2007年中國智能自動化會議論文集[C];2007年

8 蒲興成;;時變時滯不確定遞歸神經(jīng)網(wǎng)絡漸近穩(wěn)定的一個充分條件[A];2008’“先進集成技術”院士論壇暨第二屆儀表、自動化與先進集成技術大會論文集[C];2008年

9 仉寶玉;吳志敏;;基于對角遞歸神經(jīng)網(wǎng)絡的智能PID控制[A];'2003系統(tǒng)仿真技術及其應用學術交流會論文集[C];2003年

10 沈艷;謝美萍;;基于遞歸神經(jīng)網(wǎng)絡的船舶運動極短期建模預報[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

相關博士學位論文 前10條

1 趙永昌;一類時滯靜態(tài)遞歸神經(jīng)網(wǎng)絡的動力學行為研究[D];中國海洋大學;2010年

2 高海賓;擾動作用下遞歸神經(jīng)網(wǎng)絡穩(wěn)定性研究[D];燕山大學;2006年

3 黃玉嬌;具有廣義分段線性激活函數(shù)的遞歸神經(jīng)網(wǎng)絡的多穩(wěn)定性分析[D];東北大學;2014年

4 劉振偉;基于時滯重構方法的動態(tài)系統(tǒng)穩(wěn)定性與反饋控制研究[D];東北大學;2015年

5 徐東坡;遞歸神經(jīng)網(wǎng)絡梯度學習算法的收斂性[D];大連理工大學;2009年

6 于佳麗;遞歸神經(jīng)網(wǎng)絡的連續(xù)吸引子與模糊控制[D];電子科技大學;2009年

7 王芬;遞歸神經(jīng)網(wǎng)絡的動力學行為分析[D];武漢科技大學;2011年

8 季策;時滯遞歸神經(jīng)網(wǎng)絡的動態(tài)特性研究[D];東北大學;2005年

9 徐軍;遞歸神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];浙江大學;2007年

10 張銳;幾類遞歸神經(jīng)網(wǎng)絡的穩(wěn)定性及其應用研究[D];東北大學;2010年

相關碩士學位論文 前10條

1 柳玉華;一種遞歸神經(jīng)網(wǎng)絡方法研究及其在非線性系統(tǒng)跟蹤控制中的應用[D];江西理工大學;2015年

2 羅威威;全局指數(shù)穩(wěn)定的遞歸神經(jīng)網(wǎng)絡的魯棒性分析[D];中國礦業(yè)大學;2015年

3 楊渺渺;具有時滯的遞歸神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];電子科技大學;2015年

4 李克強;基于Spark的大規(guī)模RNNLM系統(tǒng)[D];江蘇大學;2016年

5 謝偉浩;基于多尺度時間遞歸神經(jīng)網(wǎng)絡的人群異常檢測[D];廣東工業(yè)大學;2016年

6 曹成遠;基于深度學習的蛋白質(zhì)殘基相互作用預測[D];蘇州大學;2016年

7 王瑞剛;基于遞歸神經(jīng)網(wǎng)絡的英文手寫輸入法的設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2016年

8 徐佩;Clifford遞歸神經(jīng)網(wǎng)絡的全局穩(wěn)定性[D];浙江師范大學;2016年

9 金留可;基于遞歸神經(jīng)網(wǎng)絡的生物醫(yī)學命名實體識別[D];大連理工大學;2016年

10 盛銀;遞歸神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];華中科技大學;2015年

，

本文編號：1889304