[发明专利]一种联想神经网络突触权值可塑的忆阻模型电路设计方法

摘要

一种联想神经网络突触权值可塑的忆阻模型电路设计方法，基于改进压控(MVC)忆阻模型及类似神经突触功能的忆阻模型，设计出权值可塑的经验学习忆阻模型，使该忆阻模型具有经验学习和长期记忆的能力。忆阻器是纳米级尺寸、非易失性的两端无源性器件，因此将设计的经验学习忆阻模型作为突触运用在联想记忆神经网络中，并修改联想记忆神经网络的反馈规则，使该网络同时具有经验学习、长期记忆及自我增强学习等能力。本发明设计简单，丰富了忆阻及神经网络的功能，具有广阔的仿生应用前景。

主权项

1.一种联想神经网络突触权值可塑的忆阻模型电路设计方法，其特征是包括以下步骤：(S1)根据MVC忆阻模型及类似神经突触功能的忆阻模型，设计权值可塑的经验学习忆阻模型：i＝M‑1v    (1)(1)式和(2)式中，i和v分别表示MVC忆阻的电流与电压，M表示MVC忆阻的忆阻值；α表示|v|≤vth时M的变化速率，β表示|v|＞vth时M的变化速率，δ表示v＝0时M的变化速率，且符号α，β和δ均为常数；vth是电压阈值，RH为M最大值，RL为M最小值；(2)式中s是阶跃函数，表示为：(S2)调整(S1)中构建的经验学习忆阻模型的各关系式参数，使模型达到电路实现的标准；(S3)根据(S2)中确定参数的经验学习忆阻模型，设计出该模型的电路结构，并创建外围电路验证其性能；(S4)设计出带有全反馈的三个神经元组成的联想记忆神经网络，并将网络中的突触替换为(S1)中经验学习忆阻模型；(S5)设计(S4)中基于经验学习忆阻模型的联想神经网络的电路，并设计不同的输入脉冲序列，以验证该网络的经验学习、自主学习、长周期记忆和遗忘的功能。