基于忆阻器的多模式识别CNN电路设计

摘要：

现有的类脑计算电路存在的识别对象单一、识别率低等问题,限制了类脑芯片的发展.该文结合器件量子电导及存算一体架构,提出一种基于忆阻器的多模式识别CNN电路设计方案.该方案首先构建具有多阻态、高精度、可重构的忆阻器模型;然后采用CNN架构与权重量化方法,提高电路的训练速度与识别率;最后,在交叉阵列结构中进行电导映射,完成MNIST、Fashion-MNIST和EMNIST等多种模式测试.实验结果表明所设计忆阻器具有50个稳定阻态以及LTP突触可塑性;CNN硬件电路的多模式识别率均为90％以上,尤其是MNIST识别率高达99.08％,并验证了高斯噪声下电路的抗干扰能力.

关键词：超越冯诺依曼架构、神经形态计算、忆阻器、突触可塑性

所属期刊栏目：39

分类号：TN601;TN710(电子元件、组件)

资助基金：国家自然科学基金;浙江省省属高校基本科研业务费专项;浙江省大学生新苗人才计划项目;金华市重大重点科学技术研究计划项目

在线出版日期：2022-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：75-79,85