基于浮栅技术的离散型hopfield神经网络的设计

《基于浮栅技术的离散型hopfield神经网络的设计》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、湖南大学硕士学位论文基于浮栅技术的离散型Hopfield神经网络的设计姓名：杨洲申请学位级别：硕士专业：电工理论与新技术指导教师：何怡刚20070410摘要人工神经网络是一门崭新的信息处理科学，它可以说是从常规的信息处理到实现电子人脑的一种中间过渡。当前，人工神经网络的研究内容十分广泛，如各种网络模型的构作，它们的原理性能分析，在各个领域的应用实例、硬件实现或应用软件开发等等。虽然现在利用神经网络求解问题时不依赖于算法程序，但是神经网络的结构模型仍然利用算法描述，网络结构的研究工作仍然借助冯·诺依曼机进行，这样不能完全显示出神经网络

2、的优点。造成这种局面的原因之一就是人工神经网络的硬件实现遇到不少问题，所以现在开发出高集成度的片上硬件实现神经网络及其自学习能力迫在眉睫。浮栅技术作为一种高功能度的新技术，近年来受到了普遍的关注和重视。神经MOS晶体管就是将浮栅技术的发展提到了另外一个高度。神经MOS晶体管是基于晶体管功能度的提高，尤其是智能化的概念而提出来的，它能计算多个输入信号的加权和，并且以这个加权和来控制晶体管的导通和截止。这种器件的结构和功能非常类似于人工神经单元模型，所以非常适于在神经电路和神经网络系统中应用。本文在介绍浮栅技术的概念和原理的基础上重点介

3、绍了神经MOS晶体管的结构、原理和特性。根据神经MOS晶体管的等效电容模型，利用PSpice的模拟行为建模功能建立能被PSpice调用和仿真的等效子电路模型，并通过大量的仿真实验来证明模型的有效性和合理性。本文详细分析了一些应用神经MOS晶体管构建的电路，从中不仅可以进一步理解神经MOS晶体管的工作原理，还可以清楚地看到它的强大功能和独特优势。最后基于现有的离散型Hopfield神经网络的理论和实现方法，提出了利用神经MOS晶体管来实现离散型Hopfield神经网络的方法，并利用神经MOS晶体管构建的胜者为王电路来优化离散型Hopf

4、ield神经网络联想记忆的结果。关键词：浮栅技术；神经MOS晶体管；PSpice模型；胜者为王电路；离散型Hopfield神经网络AbstractArtificialNeuralNetwork(ANN)isanewscienceofinformationprocessing.Itactsasatransitionfromconventionalinformationprocessingtohumanbrain.Currently,theresearchareaisveryextensive.Forexample,thestructi

5、onofvariousnetworkmodel,principleanalysis,hardwarerealizationorinternetapplicationexploiture.Anumberofneuralnetworkahgorithmshavebeenproposed,buttheirimplementationwasmostlyinsoftwareprogramsrunningondigitalcomputers.SoitisimpossibletofullyrevealtheexcellenceofANN.Inor

6、dertoexplorereal-worldapplicationsofneuralnetworks,theirhardwareimplementationonsiliconchips,withhighintegrationdensityandon-chipself-learingcapability,iscriticallydemand.Asakindofnewandhigh-functionalitytechnology,floating-gatetechnologyhasbeenpaidmuchattentiontorecen

7、tly.TheneuralMOStransistorfullydevelopthefloating-gatetechnique.Thedeviceisamulti-inputMOStransistorwhichacceptsmultipleinputsignals,calculatestheweightedsumofallinputsignals,andthencontrolstheonandoffstatesofthetransistor.Thisfunctionisexactlywhatisneededforanartifici

8、alneuronmodeltoworkandthedeviceisnodoubtmostsuitabletoconstructneuralnetworks.Someconceptionandprincipleaboutfloating