排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
忆阻器是具有记忆和类突触特性的非线性电路元件,将忆阻器与STDP学习规则相结合,提出了基于STDP学习规则的忆阻神经网络,并将它应用于二值图像的叠加和灰度图像的存储与输出。首先将忆阻器作突触,通过实验证实在特定形状动作电位下,可实现STDP学习规则;构建了4×4的忆阻交叉阵列神经网络;用16×16的忆阻交叉阵列神经网络实现二值图像的叠加。最后用N×N的忆阻神经网络实现了灰度图像的存储与输出。通过MATLAB仿真实验证实了该方案的有效性,该忆阻神经网络具有仿生特性,有望解决模式识别、人工智能中出现的复杂问题。 相似文献
2.
基于传统感知器在分类中的优势,结合新型的电路元件——忆阻器作突触,提出新型的忆阻感知器。推导了忆导变化与权值更新的关系,构建了单层忆阻感知器和多层忆阻感知器模型,提出了忆阻突触的权值更新规则。通过Matlab仿真,用单层忆阻感知器实现了线性可分逻辑"与"和逻辑"或"分类问题,用多层忆阻感知器实现了线性不可分的逻辑"异或"和"同或"分类问题,从而证实了该方案的有效性。 相似文献
1