全脑电子突触神经元学习框架及其在模式识别和边缘检测中的应用
摘要：完全基于忆阻元件的脉冲神经元学习框架，在忆阻器件的发展下成为最近的热门话题。通常情况下，在最近的完全基于忆阻器件的学习框架中仍然需要一些其他器件，如电阻器或电容器。然而，从理论上讲，一个神经元只需要一个轴突和一个树突，这使得技术过程更简单，学习框架更类似于生物脑。本文介绍了一个完全基于忆阻器件的脉冲神经元学习框架，其中一个神经元结构仅由一个漂移型和一个扩散型忆阻器件模型构建。为了验证其优点，设计了一个用于模式识别的前馈神经网络和一个用于边缘检测的细胞神经网络。实验结果表明，与其他忆阻神经网络相比，我们的框架在模式识别中处理速度更快，硬件资源更节省，这归功于其简单的结构。此外，由于我们学习框架中扩散忆阻器件模型的动态滤波功能，其峰值信噪比（PSNR）在边缘检测中比传统算法高得多。
作者：Zhiri Tang, Yanhua Chen, Shizhuo Ye, Ruihan Hu, Hao Wang, Jin He, Qijun Huang, Sheng Chang
论文ID：1901.05258
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2020-05-20