纳米忆阻器与神经形态计算

作品简介

本书旨在深入了解纳米级器件的工作原理，重点介绍非易失性存储器、神经网络训练/学习的各种应用的神经形态电路的设计，以及图像处理。

皮纳基·马祖姆德（Pinaki Mazumder）于1988年获得伊利诺伊大学香槟分校的博士学位。目前，他是密歇根大学安娜堡分校电气工程和计算机科学系的教授。他因在超大规模集成电路领域的杰出贡献，于1999年成为IEEE会士，2007年成为AAAS会士。他在美国国家科学基金会工作了三年，担任CISE董事会新兴技术项目的项目主任，并领导了工程局的量子、分子和高性能仿真程序项目。他的研究兴趣包括纳米级CMOS超大规模集成电路设计和新兴技术的电路设计，如量子MOS和谐振隧穿器件、半导体存储系统和超大规模集成电路芯片的物理合成。

作品目录

• 作者简介
• 译者简介
• 译者序
• 前言
• 致谢
• 献词
• 第1章 导论
• 1.1　发现
• 1.2　忆阻器
• 1.3　忆阻器件和系统
• 1.4　神经形态计算
• 1.5　本章总结
• 致谢
• 参考文献
• 第2章 交叉阵列内存模拟和性能评估
• 2.1　引言
• 2.2　结构
• 2.3　写入策略和电路实现
• 2.4　读取策略和电路实现
• 2.5　存储架构
• 2.6　功耗
• 2.7　噪声分析
• 2.8　面积开销
• 2.9　技术比较
• 参考文献
• 第3章 基于忆阻器的数字存储器
• 3.1　引言
• 3.2　忆阻存储器的自适应读写
• 3.3　仿真结果
• 3.4　自适应方法的结果与讨论
• 3.5　本章总结
• 参考文献
• 第4章 多级内存架构
• 4.1　引言
• 4.2　多状态存储架构
• 4.3　读/写操作
• 4.4　变化的影响
• 4.5　本章总结
• 参考文献
• 第5章 搭建忆阻器的神经形态组件
• 5.1　引言
• 5.2　使用忆阻器实现神经形态功能
• 5.3　CMOS-忆阻器神经形态芯片
• 5.4　本章总结
• 参考文献
• 第6章 基于忆阻器的值迭代
• 6.1　引言
• 6.2　Q学习和忆阻器建模
• 6.3　迷宫搜索应用
• 6.4　结果与讨论
• 6.5　本章总结
• 参考文献
• 第7章 基于隧道的细胞非线性网络结构在图像处理中的应用
• 7.1　引言
• 7.2　CNN工作原理
• 7.3　电路分析
• 7.4　仿真结果
• 7.5　本章总结
• 参考文献
• 第8章 多峰谐振隧穿二极管的图像处理
• 8.1　引言
• 8.2　基于多峰谐振隧穿二极管的彩色图像处理器
• 8.3　颜色表示方法
• 8.4　颜色量化
• 8.5　光滑函数
• 8.6　颜色提取
• 8.7　与数字信号处理芯片的比较
• 8.8　稳定性
• 8.9　本章总结
• 参考文献
• 第9章 基于谐振隧穿二极管阵列的速度调谐滤波器设计
• 9.1　引言
• 9.2　基于RTD的速度调谐滤波器阵列
• 9.3　系统分析
• 参考文献
• 第10章 基于量子点和可变电阻器件的可编程人工视网膜图像处理
• 10.1　引言
• 10.2　CNN结构
• 10.3　编程可变电阻连接
• 10.4　分析建模
• 10.5　仿真结果
• 10.6　本章总结
• 参考文献
• 第11章 基于忆阻器的非线性细胞/神经网络：设计、分析及应用
• 11.1　引言
• 11.2　忆阻器基础
• 11.3　基于忆阻器的细胞神经网络
• 11.4　数学分析
• 11.5　计算机仿真
• 11.6　本章总结
• 参考文献
• 第12章 基于忆阻器的神经网络动力学分析及其应用
• 12.1　引言
• 12.2　定义和规则
• 12.3　基于忆阻器的神经网络设计
• 12.4　动力学分析
• 12.5　应用与仿真
• 参考文献
• 附录
• A.1　蔡少棠的忆阻器和忆阻建模系统
• A.2　忆阻器的实验实现
• A.3　忆阻器建模
• 参考文献
• 缩写词