基于二维范德华金属阴极的模拟电阻开关存储器研究 学术背景 随着人工智能（AI）应用的快速发展，传统的冯·诺依曼架构在数据密集型计算任务中面临性能瓶颈。神经形态计算（neuromorphic computing）作为一种新兴的计算范式，能够以更高的速度和效率处理数据密集型任务。在这一领域中，忆阻器（memristor）因其能够实现内存计算和模拟计算而备受关注。特别是具有多级电导状态的模拟忆阻器，能够显著提高神经形态计算的效率。然而，现有的模拟忆阻器通常具有较小的开关比（on/off ratio），这限制了其在高精度权重映射中的应用。 为了解决这一问题，研究人员一直在探索如何提高模拟忆阻器的开关比，同时保持其多级电导状态。传统的忆阻器主要分为两类：基于价态变化机制（valence-change-...

滑模控制在不确定分数阶反应扩散忆阻神经网络中的应用 近年来，随着神经网络在各种领域的广泛应用，对其控制和稳定性研究也越来越受到关注。分数阶（fractional-order, FO）忆阻神经网络（memristor neural networks, MNNs）由于其能够模拟生物神经突触的特点，在信息处理和学习等方面展示了独特的优势。然而，MNNs 在应用中面临诸多挑战，如系统的不确定性、信号传输的时滞以及复杂的时空演化特性，这些因素可能导致网络的不稳定和性能下降。因此，研究一种强鲁棒性的控制方法来解决这些问题具有重要的理论和实际意义。 在背景介绍部分，需要首先介绍忆阻器（memristor）的基本概念及其在神经网络中的应用。忆阻器作为电感、电容、以及电阻之外的第四类电子元件，由Chua于19...

异构霍普菲尔德神经网络的研究：适应性激活函数与忆阻器结合的动态行为分析 本研究背景探讨了神经网络中非线性因素对系统动态行为的影响。尤其是激活函数和忆阻器(memristor)做为非线性因素，常被用于构建混沌系统和模拟突触行为。霍普菲尔德神经网络(Hopfield Neural Network, HNN)因其独特的网络结构和生成复杂脑样动态的能力，而受到广泛关注。再者，当前研究多集中于使用固定激活函数的神经元对系统动态的影响，而对异构激活函数组合的研究较少。 本文由Chunhua Wang、Junhui Liang和Quanli Deng撰写，分别来自湖南大学计算机与电子工程学院和粤港澳大湾区研究院。文章在2024年1月28日提交，2024年5月21日被《Neural Networks》期刊接...

异质共存吸引子、大尺度幅度控制和中央循环忆阻神经网络的有限时间同步 学术背景 忆阻器因其类似大脑突触的记忆性和非线性等物理特性，在类脑神经网络的混沌动力学研究中具有巨大理论和实际意义。近年来，随着大数据和人工智能领域的发展，传统的固定神经网络模型在映射大脑结构和功能上的局限性逐渐显现，这成为形态神经学研究进一步发展的主要障碍。自2008年HP实验室首次发展出物理非线性忆阻器以来，忆阻器在人工神经网络领域受到了广泛关注。忆阻神经网络（Memristive Neural Networks, MNNs）的构建对于研究人脑结构与功能之间的关系、分析人脑神经系统机制、以及增强人工智能决策、优化自适应控制和加速硬件计算都是极其重要的。 论文来源 这篇文章《Heterogeneous Coexisting...