憶阻器是與電阻、電容及電感并列的第四種基本電子器件,于1971年由蔡少棠教授提出,2008年惠普公司通過大量實驗制造出納米級憶阻器實物器件,此后,國內(nèi)外學者開始加深對憶阻器的研究,經(jīng)典的憶阻器模型不斷被提出,憶阻器在非線性電路、保密通信、人工智能等領域的應用也不斷增多�；趹涀杵鞯纳窠�(jīng)網(wǎng)絡研究是近年來的研究熱點,但大多都只限于神經(jīng)網(wǎng)絡的特性研究,并未涉及到憶阻神經(jīng)網(wǎng)絡的應用研究。本文提出一種改進型憶阻器模型的構建方法,基于此憶阻器模型構建漢明神經(jīng)網(wǎng)絡,并將漢明神經(jīng)網(wǎng)絡應用到交通方式識別領域。交通方式識別是近年來的新型研究領域,準確預測人們出行的交通方式有助于合理規(guī)劃交通建設,減少交通擁堵,提高人們的出行速度。首先對現(xiàn)階段憶阻器模型進行分析,結合各種經(jīng)典憶阻器模型,提出了改進型憶阻器模型,改進型憶阻器模型主要由四個部分構成,分別是緩存單元、積分放大單元、電壓偏置單元和線性光耦單元。該憶阻器模型較之傳統(tǒng)憶阻器模型能夠更精確讀取憶阻值,并能保存斷電前電路狀態(tài),簡單分析其電路模型后再進行仿真,分別在不同頻率下觀察其電壓與電流曲線變化情況。然后采用本文提出的改進型憶阻器模型模擬神經(jīng)突觸。由于憶阻... 

【文章來源】： 鄧鵬 湖南科技大學

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

線性磁控憶阻器特性曲線

湖南科技大學碩士學位論文-15-圖2.7分段線性憶阻器電壓電流關系Fig.2.7Voltageandcurrentrelationofpiecewiselinearmemristor2)非線性磁控憶阻器非線性磁控憶阻器模型中有公式(2.34)所示關系3q()ab(2.34)由公式(2.34)可得憶導值如公式(2.35)所示2w()a3b(2.35)化簡得公式(2.36)2w()a(2.36)與分段線性磁控憶阻器一樣，保持頻率f=10HZ不變，改變參數(shù)α、β的大小，并在憶阻器模型兩端施加公式(2.37)所示正弦電壓，v(t)Asin(t)(2.37)可以得到，當α增大時，非線性憶阻器模型表現(xiàn)出更強的滯洄行為，當β增大時，滯洄行為反而減弱。2.3.2荷控型憶阻器1)分段線性荷控憶阻器該憶阻器模型的數(shù)學關系如公式(2.38)與公式(2.39)所示()(,,)()MvtMxitit(2.38)xf(x,i,t)(2.39)

第2章憶阻器-16-將電荷量代入得公式(2.40)與公式(2.41)(())MvMqti(2.40)dqidt(2.41)聯(lián)立兩式可得公式(2.42)120.5()[])()()MMTMTxiiiiixRRx(2.42)式中iM表示憶阻器電壓，R2及R1為憶阻器的最大最小值，iT表示電路接通前的電壓，α、β分別表示VM大于VT及VM小于VT時的斜率。圖2.8為其憶阻器模型特性曲線。圖2.8線性荷控憶阻器特性曲線Fig.2.8Characteristiccurveoflinearchargecontrolledmemristor與磁控憶阻器一樣，保持頻率f=10HZ不變，改變參數(shù)α、β的大小，并對憶阻器模型施加正弦電壓，可以得到隨著參數(shù)α、β的增大，系統(tǒng)表現(xiàn)出更強的滯洄行為，這與分段線性磁控憶阻器模型非常相似。2)非線性荷控憶阻器該憶阻器模型有公式(2.43)所示數(shù)學關系3(q)aqbq(2.43)其憶阻值可用公式(2.44)表示2M(q)a3bq(2.44)化簡可得公式(2.45)2M(q)aq(2.45)通過與前文相似的分析可以得到隨著α增大該憶阻器模型表現(xiàn)出更強的滯洄行為，當β增大時，滯洄行為反而減弱。非線性憶阻器模型的研究對憶阻器的發(fā)展具有很重要的意義，科學界也提出了很多非線性憶阻器模型，以Joglekan通過窗口函數(shù)實現(xiàn)的非線性憶阻器模型為例。該憶阻器模型可用公式(2.46)表示。

【參考文獻】：
期刊論文
[1]動態(tài)貝葉斯網(wǎng)絡結構搜索法辨識生物神經(jīng)網(wǎng)絡連接[J]. 陳曉艷,董朝軼.  生命科學研究. 2017(06)
[2]人工神經(jīng)網(wǎng)絡在吡喃酮類化合物生物活性預測中的應用[J]. 俞青芬.  江漢大學學報(自然科學版). 2017(05)
[3]Fixed-time synchronization of delayed memristor-based recurrent neural networks[J]. Jinde CAO,Ruoxia LI.  Science China（Information Sciences）. 2017(03)
[4]基于智能手機大數(shù)據(jù)的交通出行方式識別研究[J]. 李喆,孫健,倪訓友.  計算機應用研究. 2016(12)
[5]基于憶阻器反饋的Lorenz超混沌系統(tǒng)及其電路實現(xiàn)[J]. 阮靜雅,孫克輝,牟俊.  物理學報. 2016(19)
[6]雙極性憶阻器模型參數(shù)對蘊含邏輯門的影響[J]. 張波,蔡理,馮朝文,王森,楊曉闊,張明亮,秦濤,劉小強,崔煥卿.  微納電子技術. 2016(04)
[7]A novel memristive neural network with hidden attractors and its circuitry implementation[J]. PHAM Viet Thanh,JAFARI Sajad,VAIDYANATHAN Sundarapandian,VOLOS Christos,WANG Xiong.  Science China（Technological Sciences）. 2016(03)
[8]一種二次型憶阻器四階混沌電路[J]. 余世成,曾以成,李志軍.  計算物理. 2015(06)
[9]一個分數(shù)階憶阻器模型及其簡單串聯(lián)電路的特性[J]. 俞亞娟,王在華.  物理學報. 2015(23)
[10]Path from schizophrenia genomics to biology:gene regulation and perturbation in neurons derived from induced pluripotent stem cells and genome editing[J]. Jubao Duan.  Neuroscience Bulletin. 2015(01)

博士論文
[1]基于憶阻器的圖像處理技術研究[D]. 周靜.國防科學技術大學 2014
[2]右端非連續(xù)神經(jīng)網(wǎng)絡的動力學分析[D]. 肖劍.華中科技大學 2014

碩士論文
[1]憶阻器的電路特性研究及其應用[D]. 查金翔.蘇州大學 2016
[2]基于智能手機的交通方式識別的研究與設計[D]. 李婭.湖南科技大學 2016
[3]基于智能手機的出行方式識別系統(tǒng)的設計和實現(xiàn)[D]. 張杰峰.華南理工大學 2016
[4]基于ART神經(jīng)網(wǎng)絡案例匹配的軌道交通智能數(shù)據(jù)診斷技術研究[D]. 嚴悅.南京理工大學 2013
[5]憶阻器混沌及其在語音保密通信系統(tǒng)中的應用研究[D]. 王偉玲.杭州電子科技大學 2012



本文編號：3000578