基于PPV模型的记忆电阻振荡神经网络研究
摘要：基于忆阻器的振荡器凭借其固有的负微分区域（NDR）特性和紧凑的电路结构变得越来越有前景。这为大规模振荡神经网络（ONN）和基于全局同步实现的模式识别铺平了道路。然而，由于大量振荡器的存在，大规模ONN的模拟遇到了长时间模拟的问题。在这里，我们提出了一种高效的方法来抽象基于忆阻器的振荡器的相位敏感特性，即其扰动投影向量（PPV），它能极大地减少ONN模拟的复杂性，并将模拟加速超过2000倍。我们的研究还揭示了电路参数对模式识别准确度和对频率不匹配的鲁棒性的影响。
作者：Hanyu Wang, Miao Qi, Bo Wang
论文ID：1511.08599
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2015-11-30