计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
10期
213-217
,共5页
张椅%段书凯%王丽丹%胡小方
張椅%段書凱%王麗丹%鬍小方
장의%단서개%왕려단%호소방
忆阻器%混沌神经网络%连续学习%时空总和
憶阻器%混沌神經網絡%連續學習%時空總和
억조기%혼돈신경망락%련속학습%시공총화
Memristor%Chaotic neural network%Successive learning%Spatio-temporal summation
忆阻器具有独特的记忆功能和连续可变的电导状态,在人工智能与神经网络等研究领域具有巨大的应用优势.详细推导了忆阻器的电荷控制模型,将纳米忆阻器与具有智能信息处理能力的混沌神经网络相结合,提出了一种新型的基于忆阻器的连续学习混沌神经网络模型.利用忆阻器可直接实现网络中繁多的反馈与迭代,即完成外部输入对神经元及神经元之间相互作用的时空总和.提出的忆阻连续学习混沌神经网络可以实现对已知模式和未知模式的区分,并能对未知模式进行自动学习和记忆.给出的计算机仿真验证了方案的可行性.由于忆阻器具有纳米级尺寸和自动的记忆能力,该方案有望大大简化混沌神经网络结构.
憶阻器具有獨特的記憶功能和連續可變的電導狀態,在人工智能與神經網絡等研究領域具有巨大的應用優勢.詳細推導瞭憶阻器的電荷控製模型,將納米憶阻器與具有智能信息處理能力的混沌神經網絡相結閤,提齣瞭一種新型的基于憶阻器的連續學習混沌神經網絡模型.利用憶阻器可直接實現網絡中繁多的反饋與迭代,即完成外部輸入對神經元及神經元之間相互作用的時空總和.提齣的憶阻連續學習混沌神經網絡可以實現對已知模式和未知模式的區分,併能對未知模式進行自動學習和記憶.給齣的計算機倣真驗證瞭方案的可行性.由于憶阻器具有納米級呎吋和自動的記憶能力,該方案有望大大簡化混沌神經網絡結構.
억조기구유독특적기억공능화련속가변적전도상태,재인공지능여신경망락등연구영역구유거대적응용우세.상세추도료억조기적전하공제모형,장납미억조기여구유지능신식처리능력적혼돈신경망락상결합,제출료일충신형적기우억조기적련속학습혼돈신경망락모형.이용억조기가직접실현망락중번다적반궤여질대,즉완성외부수입대신경원급신경원지간상호작용적시공총화.제출적억조련속학습혼돈신경망락가이실현대이지모식화미지모식적구분,병능대미지모식진행자동학습화기억.급출적계산궤방진험증료방안적가행성.유우억조기구유납미급척촌화자동적기억능력,해방안유망대대간화혼돈신경망락결구.
