[发明专利]一种用理想忆阻耦合强度控制的三维HNN模型实现电路

权利要求书

1.一种用理想忆阻耦合强度控制的三维HNN模型实现电路，其特征在于：包括负输出双曲正切函数实现电路和理想忆阻耦合强度控制的Hopfield神经网络系统实现主电路；

在已知的两维HNN中，用理想忆阻作为神经突触，连接2个相近的神经元，构成新颖的理想忆阻突触耦合的三维HNN，此神经网络受理想忆阻耦合强度k控制，该神经网络模型用一阶常微分方程组表示为：

式中，x₁和x₂分别为神经元的两个状态变量，双曲正切函数为神经元的激活函数，函数前的系数表示神经元之间的连接权重，表示一个理想忆阻突触，可以双向耦合在两个神经元之间，从而模拟由两个神经元电势差形成的电磁感应电流；

式(1)中的三个方程，分别采用积分通道一、积分通道二和积分通道三来实现，根据基尔霍夫电路定律和电路元器件的电学特性，则式(1)对应的电路方程可以表示为：

式(2)中，v₁、v₂和是三个电路变量，它对应于三维HNN系统中的x₁、x₂和x₁和x₂表示神经元的膜电位；x₁–x₂表示两个神经元的电位差，其对时间的积分为磁通

2.如权利要求1所述的用理想忆阻耦合强度控制的三维HNN模型实现电路，其特征在于：积分通道一的实现电路包括神经网络内部的输入端–v_a、v_b和理想忆阻负向端口A，运算放大器U₁和U₂，以及负输出的激活函数–tanh(x)实现电路Tg₁，所述神经网络内部的输入端–v_a、v_b和理想忆阻负向端口A分别串联电阻R₁、R₂和R₃后连接至运算放大器U₁的反相输入端；运算放大器U₁的反相输入端和输出端之间并联一个电容C和一个电阻R；运算放大器U₁输出端输出的电压v₁经过负输出的激活函数–tanh(x)实现电路Tg₁后得到输出电压v_a；输出电压v_a串接一个电阻R后连接至运算放大器U₂的反相输入端；运算放大器U₂的反相输入端和输出端之间并联一个电阻R，运算放大器U₂的输出端输出–v_a，输出–v_a作为积分通道二实现电路的一个输入信号；运算放大器U₁和U₂的同相输入端均接地；

积分通道二的实现电路包括神经网络内部的输入端–v_a、v_b和理想忆阻正向端口B，运算放大器U₃，以及负输出的激活函数–tanh(x)实现电路Tg₂，输入端–v_a和v_b分别串联电阻R₄和R₅后接于运算放大器U₃的反相输入端；运算放大器U₃的反相输入端和输出端之间并联一个电容C和一个电阻R；运算放大器U₃输出端输出的电压v₂，输出的电压v₂经过负输出的激活函数–tanh(x)实现电路Tg₂后得到输出电压v_b；运算放大器U₃的同相输入端接地；

积分通道三的实现电路包括神经网络前两个通道的电压输出端v₁、v₂，运算放大器U₄、U₅、U₆，以及模拟乘法器M，输入端v₁的右端接一个电阻R，电阻的输出端接于运算放大器的反向输出端，同时串接一个电阻R接于U₄的输出端；第二积分通道的输出电压v₂串接一个电阻R，接于U₄的同向输入端，同向输入端也串接一个接地电阻；运算放大器的输出端串接一个电阻R于U₅的反向输入端，反向输入端也接一个电容于运放的输出端，输出端接模拟乘法器M的一个输入端口，模拟乘法器M的另一个输入端口接在与运放U₄并联的电阻的右端；模拟乘法器M的输出端为理想忆阻负向端口A，串接一个电阻R后，接在运算放大器U₆的反向输入端，反向输入端并联一个电阻R接于其输出端口，输出端口输出的即为理想忆阻正向端口B；运算放大器U₅、U₆同相输入端均接“地”。