摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 引言 | 第9-15页 |
1.1 忆阻器的提出及发展 | 第9-10页 |
1.1.1 忆阻器模型的提出 | 第9页 |
1.1.2 忆阻器的发展 | 第9-10页 |
1.2 人工神经网络与小世界网络体系 | 第10-11页 |
1.3 忆阻器与小世界神经网络体系的结合 | 第11-12页 |
1.4 论文研究意义 | 第12页 |
1.5 论文内容安排及结构 | 第12-15页 |
第二章 忆阻器模型的仿真 | 第15-23页 |
2.1 惠普忆阻器模型 | 第15-18页 |
2.1.1 线性离子迁移模型 | 第15-16页 |
2.1.2 窗函数 | 第16-17页 |
2.1.3 非线性离子迁移模型 | 第17-18页 |
2.2 SIMMONS隧道结模型 | 第18-21页 |
2.2.1 Simmons隧道结物理模型 | 第18-19页 |
2.2.2 Simmons隧道结数学模型(阈值自适应模型) | 第19-21页 |
2.3 小结 | 第21-23页 |
第三章 两类纳米级非线性忆阻器的串并联研究 | 第23-37页 |
3.1 新型忆阻器模型 | 第23-24页 |
3.1.1 闭合形式的电荷控制非线性忆阻器模型 | 第23页 |
3.1.2 闭合形式的磁通控制非线性忆阻器模型 | 第23-24页 |
3.2 忆阻器串并联特性研究 | 第24-28页 |
3.2.1 忆阻器串联特性 | 第25页 |
3.2.2 忆阻器并联特性 | 第25-27页 |
3.2.3 忆阻器组合电路的瞬时与稳定状态 | 第27-28页 |
3.3 忆阻器串并联分类研究 | 第28-33页 |
3.4 忆阻器串并联图形用户界面(GUI)设计 | 第33-35页 |
3.4.1 忆阻器串并联的图形用户界面(GUI) | 第33-34页 |
3.4.2 忆阻器串并联图形用户界面的仿真结果与分析 | 第34-35页 |
3.5 小结 | 第35-37页 |
第四章 基于忆阻器组合电路的图像处理研究 | 第37-45页 |
4.1 忆阻映射函数 | 第37页 |
4.2 基于忆阻映射函数的图像处理 | 第37-41页 |
4.2.1 图像取反操作 | 第38-39页 |
4.2.2 图像对比度伸缩 | 第39-40页 |
4.2.3 图像灰度值调整 | 第40-41页 |
4.3 基于忆阻器串并联的图像处理GUI | 第41-42页 |
4.4 小结 | 第42-45页 |
第五章 基于忆阻系统的多层前向小世界神经网络及其应用 | 第45-55页 |
5.1 基于忆阻系统的多层前向小世界神经网络 | 第45-49页 |
5.1.1 多层前向小世界神经网络 | 第45-47页 |
5.1.2 多层前向小世界神经网络与忆阻器结合 | 第47-49页 |
5.2 基于忆阻系统的多层前向小世界神经网络PID控制器 | 第49-52页 |
5.2.1 理论基础与数学推导 | 第49-51页 |
5.2.2 计算机仿真及结果 | 第51-52页 |
5.3 小结 | 第52-55页 |
第六章 基于忆阻系统的小世界HOPFIELD神经网络及其应用 | 第55-63页 |
6.1 基于忆阻系统的小世界HOPFIELD神经网络 | 第55-59页 |
6.1.1 择优的小世界Hopfield神经网络 | 第55-57页 |
6.1.2 忆阻电子突触 | 第57-59页 |
6.2 忆阻小世界HOPFIELD神经网络在数字识别中的应用 | 第59-61页 |
6.2.1 问题描述 | 第59页 |
6.2.2 实验仿真及分析 | 第59-61页 |
6.3 小结 | 第61-63页 |
第七章 总结与展望 | 第63-65页 |
7.1 本文的主要工作 | 第63-64页 |
7.2 下一步工作思路 | 第64-65页 |
参考文献 | 第65-71页 |
致谢 | 第71-73页 |
攻读硕士期间发表的论文 | 第73-74页 |
攻读硕士期间参加的科研项目 | 第74页 |