基于忆阻器的连续学习混沌神经网络

摘要：

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.

关键词：忆阻器、混沌神经网络、连续学习、时空总和

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金60972155,61101233,60974020;中央高校基本科研业务费专项资金XDJK2012A007;重庆市高等学校青年骨干教师资助计划渝教人[2011]65号;重庆市高等学校优秀人才支持计划渝教人[2011]65号;教育部"春晖计划"科研项目z2011148;留学人员科技活动项目择优资助经费国家级优秀类,渝人社办[2012]186号,102060-20600601

在线出版日期：2013-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：213-217