

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、神經形態(tài)系統(tǒng)是仿人工神經網絡構建的硬件系統(tǒng),可以實現更高的信息處理和容錯能力,被廣泛應用于模式識別、機器學習、信號處理、圖像處理等領域。憶阻器作為一個納米級元件,具有非易失性/易失性、記憶性、可塑性、低功耗等特點,可以作為一個天然的突觸?;趹涀杵鞯慕徊婕軜媱t可以作為神經形態(tài)系統(tǒng)中天然的權值矩陣。由于不同的憶阻器具有不同的特性,為滿足不同的需求,基于各類憶阻器設計的神經形態(tài)系統(tǒng)也越來越豐富。但這些系統(tǒng)多數存在三個問題,其一,通過傳統(tǒng)工具
2、對測試樣本進行了大量的預處理;其二,網絡的訓練過程通常是通過線下系統(tǒng)實現的,而測試過程則是在神經形態(tài)電路系統(tǒng)上實現。其三,大多神經形態(tài)系統(tǒng)仿照傳統(tǒng)數字系統(tǒng)的處理方法,而忽略了人腦的獨特特性,比如遺忘特性。針對以上問題,本文構建了一種基于方差相關學習算法的遺忘憶阻神經形態(tài)系統(tǒng),并將該系統(tǒng)成功應用于模式識別。在進行有效的手寫數字圖像識別之外,還研究了遺忘速率與識別效率之間的關系。本文的具體研究內容和成果如下:
1、對經典惠普憶阻器
3、和遺忘憶阻器的內部機制進行了闡述說明,并對其數學模型進行了理論推導。在一維遺忘憶阻器模型的基礎上,介紹了改進后的三維遺忘憶阻器模型,并給出了三維遺忘憶阻器模型的單、雙極和單雙可逆條件。通過建立SPICE仿真模型,對這三種憶阻器模型的內部特性和突觸行為進行了詳細的比較和分析。
2、基于一維遺忘憶阻器模型設計了一種神經形態(tài)電路系統(tǒng)。該系統(tǒng)是包含自學習電路系統(tǒng)、訓練電路系統(tǒng)及識別電路系統(tǒng)的多層集成系統(tǒng),可以實現樣本的在線訓練和識別功
4、能。針對系統(tǒng)不同層所實現功能的不同,給出了各個部分的電路原理設計和功能仿真。
3、基于樣本的群體特征和個體特征,提出方差相關學習算法,實現對憶阻交叉架構矩陣在線的訓練。該方法可以有效簡化樣本的預處理工作,同時便于電路系統(tǒng)的實現。
4、將神經形態(tài)系統(tǒng)應用于手寫數字圖像的模式訓練及識別。通過仿真驗證了系統(tǒng)的功能和有效性。另外,進一步研究了遺忘憶阻器的遺忘因子?對識別結果的影響,發(fā)現不同區(qū)間的遺忘因子對識別效果具有不同程度
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 神經網絡在模式識別中的應用.pdf
- 非對稱神經網在模式識別中的應用.pdf
- 基于形態(tài)神經網絡的模式識別.pdf
- 脈沖耦合神經網絡在模式識別中的應用.pdf
- 憶阻器在神經網絡中的應用研究.pdf
- 神經網絡模式識別及其在中藥識別中的應用研究.pdf
- BP神經網絡在模式識別中的應用研究.pdf
- 改進BP神經網絡在模式識別中的應用及研究.pdf
- 神經網絡理論在模式識別中的研究與應用.pdf
- 模糊神經網絡的研究及其在模式識別中的應用.pdf
- 模糊神經網絡在電梯群控系統(tǒng)交通流模式識別中的應用.pdf
- 馬田系統(tǒng)在模式識別中的研究與應用.pdf
- 神經網絡模式識別在金融票據特征識別中的應用.pdf
- 憶阻神經網絡的應用.pdf
- 新型憶阻神經網絡及其在信息加密中的應用.pdf
- 新型憶阻神經網絡及其在圖像處理中的應用.pdf
- 角檢測及其在模式識別中的應用.pdf
- 流形學習及其在模式識別中的應用.pdf
- 模式識別技術及其在氣象研究中的應用.pdf
- 粗集神經網絡集成方法及其在模式識別中的應用.pdf
評論
0/150
提交評論