论文部分内容阅读
随着现代电子技术和生物技术的发展,神经形态计算逐渐引起学术界的广泛关注。它通过模拟人脑的神经网络来实现模式识别、自动控制和信息处理等方面的功能。但是由于网络规模和突触元件的制约,神经形态计算的功能受到一定的限制。忆阻器的出现,为提高突触模拟水平提供了新的物理基础,进而为神经形态计算的进一步发展提供了可能。忆阻器的纳米级尺寸、低耗能和良好的突触特性,使得基于忆阻器阵列的神经形态计算有望进一步提高神经网络的计算能力和运算效率。然而,以目前工艺制备的忆阻器阵列存在波动性、良率和线电阻等问题。为此,本文首先介绍了基于忆阻器的多层感知器网络和单层脉冲神经网络,然后分别建立了非理想忆阻器的波动性模型、良率模型和线电阻模型,以MNIST手写字体库和中文汉字库为例,分别测试了两种网络在以理想忆阻器件为突触下的计算性能,并用控制变量法分别研究了具有非理想特性模型的神经突触对多层感知器网络和单层脉冲神经网络计算性能的影响。实验结果表明,忆阻器的阻值波动性对以忆阻器交叉阵列为突触的多层感知器网络有一定影响,其阻值波动会在一定程度上恶化该网络的性能。随着忆阻器的阻值波动性增大,网络的计算性能会不断降低,而且网络的计算性能的波动范围会不断增大;忆阻器的良率对以忆阻器交叉阵列为突触的多层感知器网络有较大影响,其阻值良率会在较大程度上恶化该网络的性能;相比于忆阻器失效升为高阻态,失效降为低阻态对网络的性能影响相对较小;忆阻器交叉阵列中的线电阻同样是影响网络性能的一个不可忽略的因素。随着阵列规模的增大,线电阻的分压作用会严重恶化网络的性能,此外,线电阻的增大同样也会导致网络性能恶化。与多层感知器网络不同,单层脉冲神经网络为二值化网络,其中的权值只有高阻态和低阻态。忆阻器高阻态的波动对单层脉冲神经网络计算性能影响很小,而忆阻器低阻态的波动对网络有一定影响,并且随着忆阻器低阻态的增大或波动性的增大,网络性能会降低;忆阻器阵列的良率对网络的影响较大,且忆阻器失效降为低阻态和失效升为高阻态对单层脉冲神经网络的影响相近;忆阻器阵列中的线电阻对网络也有较大影响,随着线电阻的增大和阵列的规模的增大,这种负面影响将显著增大。