论文部分内容阅读
忆阻器是具有记忆和类突触特性的非线性电路元件，将忆阻器与STDP学习规则相结合，提出了基于STDP学习规则的忆阻神经网络，并将它应用于二值图像的叠加和灰度图像的存储与输出。首先将忆阻器作突触，通过实验证实在特定形状动作电位下，可实现STDP学习规则；构建了4×4的忆阻交叉阵列神经网络；用16×16的忆阻交叉阵列神经网络实现二值图像的叠加。最后用N×N的忆阻神经网络实现了灰度图像的存储与输出。通过MATLAB仿真实验证实了该方案的有效性，该忆阻神经网络具有仿生特性，有望解决模式