CN111291879B - 一种具备习惯化与敏感化的信号发生装置 - Google Patents

一种具备习惯化与敏感化的信号发生装置 Download PDF

Info

Publication number
CN111291879B
CN111291879B CN202010233459.1A CN202010233459A CN111291879B CN 111291879 B CN111291879 B CN 111291879B CN 202010233459 A CN202010233459 A CN 202010233459A CN 111291879 B CN111291879 B CN 111291879B
Authority
CN
China
Prior art keywords
input
voltage
memristor
feedback
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010233459.1A
Other languages
English (en)
Other versions
CN111291879A (zh
Inventor
洪庆辉
颜任遨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan University
Original Assignee
Hunan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hunan University filed Critical Hunan University
Priority to CN202010233459.1A priority Critical patent/CN111291879B/zh
Publication of CN111291879A publication Critical patent/CN111291879A/zh
Application granted granted Critical
Publication of CN111291879B publication Critical patent/CN111291879B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Electronic Switches (AREA)
  • Electrotherapy Devices (AREA)

Abstract

本发明涉及一种具备习惯化与敏感化的信号发生装置及调节方法，属于电路信号发生与调节技术领域。通过输入模块、输出模块和反馈模块，对随时间变化的信号行为进行习惯化和敏感化反应；习惯化是指对输入模块输入信号的反应在重复时逐渐减弱的过程；敏感化是指受到一个弱信号之后产生一个弱的输出响应，当受到一个强信号之后对于信号的反应明显增加的过程。本发明的有益效果在于：实现了电路信号发生与调节相关的习惯化与敏感化技术。

Description

一种具备习惯化与敏感化的信号发生装置
技术领域
本发明涉及一种具备习惯化与敏感化的信号发生装置及调节方法，属于电路信号发生与调节技术领域。
背景技术
本发明涉及电路信号发生与调节相关的习惯化与敏感化技术，目前在传统的电路结构装置中并无相关技术，部分采用软件算法实现习惯化与敏感化的调节控制，发明人通过硬件结构入手，实现具备习惯化与敏感化的信号发生装置及调节方法。
发明内容
本发明的目的在于为了克服现有技术的不足，从而实现电路信号发生与调节相关的习惯化与敏感化技术。
本发明的原理在于，在生物学中，突触是一种接触结构，从一个神经元向另一个或从一个细胞向另一个细胞传递脉冲。突触权重表示相邻神经元或细胞之间的相关程度；所述的输入模块用于改变突触权重，输入模块对应突触。在神经***中，当神经元的输入达到一定的阈值时，神经元被激活并向下一个神经元输出一个峰值信号。当输入低于阈值时，神经元就没有输出，输出模块对应神经元输出。在正常生物体中，弱刺激引起的传导电位在一定范围内进行神经元反馈，反馈模块对应该神经元反馈。
本发明的技术方案在于，通过输入模块、输出模块和反馈模块，对随时间变化的信号行为进行习惯化和敏感化反应；习惯化是指对输入模块输入信号的反应在重复时逐渐减弱的过程；敏感化是指受到一个弱信号之后产生一个弱的输出响应，当受到一个强信号之后对于信号的反应明显增加的过程。
所述的输入模块包括输入忆阻器Mk，以及分别与输入忆阻器Mk连接的输入电压uk和反馈电压uf，反馈电压uf还连接绝缘栅双极晶体管；k表示输入忆阻器Mk所在的输入支路，k=1，2，…n。本发明中，将突触权重设为忆导值Mk。
绝缘栅双极晶体管保证反馈电压uf只在没有输入电压的情况下工作，总电流输入i将汇总每个分支上的所有当前流，并流入下一个模块；
输入忆阻器Mk的忆阻值随电压的变化而变化，即习惯化和敏感化是通过输入电压uk和反馈电压uf改变输入忆阻器Mk权重的过程；
当正向电压作用于输入忆阻器Mk且电压高于其正阈值时，输入忆阻器Mk的忆阻值减小；如果正向电压低于其正阈值，则输入忆阻器Mk的忆阻值保持不变；
当负电压作用于输入忆阻器Mk且电压低于其负阈值时，输入忆阻器Mk的忆阻值增大；
在正常情况下，两个相邻的信号之间有时间间隔。在两个相邻信号的间隙中，输入忆阻器Mk可以通过反馈电压uf进行调节，输入忆阻器Mk的负阈值设置成接近于零，这样，通过较小的反馈电压uf逐渐增加输入忆阻器Mk的忆阻值，使得相应支路k（k=1，2，…n）上的电流降低。
所述的输出模块用于输出当输入电流大于既定阈值时对应的脉冲电压；输出模块为一个积分电路，通过对输入模块中的总电流i进行积分，输出电压的波形更接近于生物中脉冲波形。
输出模块的CMOS可以根据实际情况设置其阈值us，只有积分后得到的电压高于此阈值us，才能输出到下一个神经元。
所述的反馈模块用于将相应的反馈信号传输到输入模块，继而调整整个电路的结构，在本电路中，由弱刺激引起的电压被设定为1mV到30mV，电压大于30mV的刺激被认为是伤害性的强刺激；通过设置双刀双掷开关S1、S2的阈值从而区分伤害性强刺激和弱刺激：如果是弱刺激，则开关S1断开，开关S2断开，正电压V2输入下一个电路；相反地，如果是强刺激，则开关S1和S2闭合，负电压V1与正电压V2串联；同时由于设置的负电压V1的绝对值大于正电压V2的绝对值，因此串联产生的总电压和电压V2极性相反，反馈模块中的这一部分电路通过输出的不同极性的电压来区分强刺激和弱刺激；在正常生物体中，弱刺激引起的传导电位在一定范围内。
由于习惯化过程是累积并且具有记忆性的，反馈忆阻器Mf是用来记住电路状态很好的选择。如果是弱刺激，正电压V2将流入反馈忆阻器Mf的负端，反馈忆阻器Mf的忆阻值将逐渐增大；如果是强刺激，则负电压V1+ V2流入反馈忆阻器Mf的负端，反馈忆阻器Mf的忆阻值将逐渐下降；通过控制电压V1和V2以及反馈忆阻器Mf的参数，反馈忆阻器Mf在弱刺激下可以缓慢上升，在强刺激下则急剧下降。
通过设置反馈忆阻器Mf的参数，使得三次连续的弱刺激使反馈忆阻器Mf的忆阻值调到最大，一次强刺激使反馈忆阻器Mf的忆阻值调到最小；当有输入时，反馈电压在输入模块中无效；在输入间隙中，反馈电压uf在输入模块工作。
通过双刀双掷开关S3、S4，可以调节输入端的反馈电压，如果反馈忆阻器Mf忆阻值最大，则双刀双掷开关S3、S4闭合，电压V3与电压V4串联，以反馈电压的形式输入，从而调节输入模块各支路的输入忆阻器Mk；在输入间隙中，通过增加输入输入忆阻器Mk的忆阻值，弱刺激的输出响应随着权重的下降而下降；由敏感化引起的突触权重增加会随着时间缓慢减少，电压V4在输入间隙中会逐步调整输入的权值，无论电路是否处于习惯模式。
所述的习惯化调节方法包括，当接收到弱刺激时，反馈忆阻器Mf的值会降低，而在输入间隙中，反馈忆阻器Mf的值会缓慢上升；通过调整记忆反馈电阻器Mf的相关参数，使反馈忆阻器Mf在连续受到三次弱刺激后，设其阻值接近其最小值RON；此外，输入间隙中忆阻值增大的幅度与下一个弱刺激引起的忆阻值减小的幅度相同，即通过在最小值附近振荡忆阻，***稳定在习惯模式下。
所述的去习惯化调节方法包括，输入强刺激时其电压高于输入忆阻器Mk的阈值，则输入忆阻器Mk的忆阻值下降，输入电流增大，输出电压增大；此外，反馈忆阻器Mf也在强刺激信号作用下迅速上升并跳出习惯化。
本发明的有益效果在于：实现了电路信号发生与调节相关的习惯化与敏感化技术。实现了当输入强刺激时，强刺激的电压高于模数的阈值，并且模量减小，从而增强其输入电流，进而增强其输出；此外，由于强烈的刺激信号，反馈模块中的干扰也迅速上升，跳出习惯。实现了当输入多个强刺激时，不仅后续弱刺激的输出振幅增加，而且强刺激本身产生的输出振幅增加。随着时间的推移，敏感程度将逐渐降低。
附图说明
图1为本发明的原理图结构。
图2为本发明的实施例结构。
图3为输入忆阻器支路结构图。
图4为输出模块结构图。
图5为反馈模块结构图。
图6为接受连续刺激实现习惯化的模拟结果图。
图7为通过连续刺激进行敏感化的模拟结果图。
具体实施方式
下面结合附图1至7对本发明的优选实施例作进一步说明，通过输入模块、输出模块和反馈模块，对随时间变化的信号行为进行习惯化和敏感化反应；习惯化是指对输入模块输入信号的反应在重复时逐渐减弱的过程；敏感化是指受到一个弱信号之后产生一个弱的输出响应，当受到一个强信号之后对于信号的反应明显增加的过程。
所述的输入模块包括输入忆阻器Mk，以及分别与输入忆阻器Mk连接的输入电压uk和反馈电压uf，反馈电压uf还连接绝缘栅双极晶体管；k表示输入忆阻器Mk所在的输入支路，k=1，2，…n；输入支路电路如图3所示。在生物学中，突触是一种接触结构，从一个神经元向另一个或从一个细胞向另一个细胞传递脉冲。突触权重表示相邻神经元或细胞之间的相关程度；所述的输入模块用于改变突触权重，输入模块对应突触，本发明中，将突触权重设为忆导值Mk。
绝缘栅双极晶体管保证反馈电压uf只在没有输入电压的情况下工作，总电流输入i将汇总每个分支上的所有当前流，并流入下一个模块；
输入忆阻器Mk的忆阻值随电压的变化而变化，即习惯化和敏感化是通过输入电压uk和反馈电压uf改变输入忆阻器Mk权重的过程；
当正向电压作用于输入忆阻器Mk且电压高于其正阈值时，输入忆阻器Mk的忆阻值减小；如果正向电压低于其正阈值，则输入忆阻器Mk的忆阻值保持不变；
当负电压作用于输入忆阻器Mk且电压低于其负阈值时，输入忆阻器Mk的忆阻值增大；
在正常情况下，两个相邻的信号之间有时间间隔。在两个相邻信号的间隙中，输入忆阻器Mk可以通过反馈电压uf进行调节，输入忆阻器Mk的负阈值设置成接近于零，这样，通过较小的反馈电压uf逐渐增加输入忆阻器Mk的忆阻值，使得相应支路k（k=1，2，…n）上的电流降低。
所述的输出模块用于输出当输入电流大于既定阈值时对应的脉冲电压；输出模块为一个积分电路，如图4所示，通过对输入模块中的总电流i进行积分，输出电压的波形更接近于生物中脉冲波形。
在神经***中，当神经元的输入达到一定的阈值时，神经元被激活并向下一个神经元输出一个峰值信号。当输入低于阈值时，神经元就没有输出，输出模块对应神经元输出。
输出模块的CMOS可以根据实际情况设置其阈值us，只有积分后得到的电压高于此阈值us，才能输出到下一个神经元。
所述的反馈模块用于将相应的反馈信号传输到输入模块，继而调整整个电路的结构，如图5所示。而在正常生物体中，弱刺激引起的传导电位在一定范围内进行神经元反馈，反馈模块对应该神经元反馈。在本电路中，由弱刺激引起的电压被设定为1mV到30mV，电压大于30mV的刺激被认为是伤害性的强刺激；通过设置双刀双掷开关S1、S2的阈值从而区分伤害性强刺激和弱刺激：如果是弱刺激，则开关S1断开，开关S2断开，正电压V2输入下一个电路；相反地，如果是强刺激，则开关S1和S2闭合，负电压V1与正电压V2串联；同时由于设置的负电压V1的绝对值大于正电压V2的绝对值，因此串联产生的总电压和电压V2极性相反，反馈模块中的这一部分电路通过输出的不同极性的电压来区分强刺激和弱刺激；在正常生物体中，弱刺激引起的传导电位在一定范围内。
由于习惯化过程是累积并且具有记忆性的，反馈忆阻器Mf是用来记住电路状态很好的选择。如果是弱刺激，正电压V2将流入反馈忆阻器Mf的负端，反馈忆阻器Mf的忆阻值将逐渐增大；如果是强刺激，则负电压V1+ V2流入反馈忆阻器Mf的负端，反馈忆阻器Mf的忆阻值将逐渐下降；通过控制电压V1和V2以及反馈忆阻器Mf的参数，反馈忆阻器Mf在弱刺激下可以缓慢上升，在强刺激下则急剧下降。
通过设置反馈忆阻器Mf的参数，使得三次连续的弱刺激使反馈忆阻器Mf的忆阻值调到最大，一次强刺激使反馈忆阻器Mf的忆阻值调到最小；当有输入时，反馈电压在输入模块中无效；在输入间隙中，反馈电压uf在输入模块工作。
通过双刀双掷开关S3、S4，可以调节输入端的反馈电压，如果反馈忆阻器Mf忆阻值最大，则双刀双掷开关S3、S4闭合，电压V3与电压V4串联，以反馈电压的形式输入，从而调节输入模块各支路的输入忆阻器Mk；在输入间隙中，通过增加输入输入忆阻器Mk的忆阻值，弱刺激的输出响应随着权重的下降而下降；由敏感化引起的突触权重增加会随着时间缓慢减少，电压V4在输入间隙中会逐步调整输入的权值，无论电路是否处于习惯模式。
所述的习惯化调节方法包括，当接收到弱刺激时，反馈忆阻器Mf的值会降低，而在输入间隙中，反馈忆阻器Mf的值会缓慢上升；通过调整记忆反馈电阻器Mf的相关参数，使反馈忆阻器Mf在连续受到三次弱刺激后，设其阻值接近其最小值RON；此外，输入间隙中忆阻值增大的幅度与下一个弱刺激引起的忆阻值减小的幅度相同，即通过在最小值附近振荡忆阻，***稳定在习惯模式下。
给定电流源，通过测量反馈忆阻器Mf的负端电压，可以确定其忆阻值，由于三个弱刺激必须是连续的，即弱刺激之间的间隔时间不应太长，该模块中的电流源的值设置为80μA，它使得反馈忆阻器Mf两端的电压超过其阈值；使得反馈忆阻器Mf在输入间隙缓慢减小；假设有连续的弱刺激输入，则会形成一定程度的忆阻振荡；如果输入间隙足够短，则忆阻值Mf将在设定的标准阻值之下振荡，这意味着***进入了惯性状态，如图6所示。
所述的去习惯化调节方法包括，输入强刺激时其电压高于输入忆阻器Mk的阈值，则输入忆阻器Mk的忆阻值下降，输入电流增大，输出电压增大；此外，反馈忆阻器Mf也在强刺激信号作用下迅速上升并跳出习惯化，如图7所示。

Claims (3)

1.一种具备习惯化与敏感化的信号发生装置，通过输入模块、输出模块和反馈模块，对随时间变化的信号行为进行习惯化和敏感化反应；习惯化是指对输入模块输入信号的反应在重复时逐渐减弱的过程；敏感化是指受到一个弱信号之后产生一个弱的输出响应，当受到一个强信号之后对于信号的反应明显增加的过程；
所述的输入模块包括输入忆阻器Mk，以及分别与输入忆阻器Mk连接的输入电压uk和反馈电压uf，反馈电压uf还连接绝缘栅双极晶体管；k表示输入忆阻器Mk所在的输入支路，k=1，2，…n；
绝缘栅双极晶体管保证反馈电压uf只在没有输入电压的情况下工作，总电流输入i将汇总每个分支上的所有当前流，并流入下一个模块；
输入忆阻器Mk的忆阻值随电压的变化而变化，即习惯化和敏感化是通过输入电压uk和反馈电压uf改变输入忆阻器Mk权重的过程；
当正向电压作用于输入忆阻器Mk且电压高于其正阈值时，输入忆阻器Mk的忆阻值减小；如果正向电压低于其正阈值，则输入忆阻器Mk的忆阻值保持不变；
当负电压作用于输入忆阻器Mk且电压低于其负阈值时，输入忆阻器Mk的忆阻值增大；
在两个相邻信号的间隙中，输入忆阻器Mk可以通过反馈电压uf进行调节，输入忆阻器Mk的负阈值设置成接近于零，通过较小的反馈电压uf逐渐增加输入忆阻器Mk的忆阻值，使得相应支路k上的电流降低；
所述的输出模块用于输出当输入电流大于既定阈值时对应的脉冲电压；输出模块为一个积分电路，通过对输入模块中的总电流i进行积分，输出电压的波形更接近于生物中脉冲波形；
输出模块的CMOS可以根据实际情况设置其阈值us，只有积分后得到的电压高于此阈值us，才能输出到下一个神经元；
其特征在于：
所述的反馈模块用于将相应的反馈信号传输到输入模块，继而调整整个电路的结构；
在本电路中，由弱刺激引起的电压被设定为1mV到30mV，电压大于30mV的刺激被认为是伤害性的强刺激；
通过设置双刀双掷开关S1、S2的阈值从而区分伤害性强刺激和弱刺激：如果是弱刺激，则开关S1断开，开关S2断开，正电压V2输入下一个电路；相反地，如果是强刺激，则开关S1和S2闭合，负电压V1与正电压V2串联；
同时由于设置的负电压V1的绝对值大于正电压V2的绝对值，因此串联产生的总电压和电压V2极性相反，反馈模块中的这一部分电路通过输出的不同极性的电压来区分强刺激和弱刺激；
如果是弱刺激，正电压V2将流入反馈忆阻器Mf的负端，反馈忆阻器Mf的忆阻值将逐渐增大；如果是强刺激，则负电压V1+V2流入反馈忆阻器Mf的负端，反馈忆阻器Mf的忆阻值将逐渐下降；
当有输入时，反馈电压在输入模块中无效；在输入间隙中，反馈电压uf在输入模块工作；
通过双刀双掷开关S3、S4，可以调节输入端的反馈电压，如果反馈忆阻器Mf忆阻值最大，则双刀双掷开关S3、S4闭合，电压V3与电压V4串联，以反馈电压的形式输入，从而调节输入模块各支路的输入忆阻器Mk；在输入间隙中，通过增加输入忆阻器Mk的忆阻值，弱刺激的输出响应随着权重的下降而下降；
由敏感化引起的突触权重增加会随着时间缓慢减少，电压V4在输入间隙中会逐步调整输入的权值，无论电路是否处于习惯模式。
2.基于权利要求1所述的一种具备习惯化与敏感化的信号发生装置，其特征在于包括以下调节方法：
习惯化调节方法包括，当接收到弱刺激时，反馈忆阻器Mf的值会降低，而在输入间隙中，反馈忆阻器Mf的值会缓慢上升；通过调整记忆反馈电阻器Mf的相关参数，使反馈忆阻器Mf在连续受到三次弱刺激后，设其阻值接近其最小值RON；此外，输入间隙中忆阻值增大的幅度与下一个弱刺激引起的忆阻值减小的幅度相同，即通过在最小值附近振荡忆阻，***稳定在习惯模式下。
3.基于权利要求1所述的一种具备习惯化与敏感化的信号发生装置，其特征在于包括以下调节方法：
去习惯化调节方法包括，输入强刺激时其电压高于输入忆阻器Mk的阈值，则输入忆阻器Mk的忆阻值下降，输入电流增大，输出电压增大；此外，反馈忆阻器Mf也在强刺激信号作用下迅速上升并跳出习惯化。
CN202010233459.1A 2020-03-29 2020-03-29 一种具备习惯化与敏感化的信号发生装置 Active CN111291879B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010233459.1A CN111291879B (zh) 2020-03-29 2020-03-29 一种具备习惯化与敏感化的信号发生装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010233459.1A CN111291879B (zh) 2020-03-29 2020-03-29 一种具备习惯化与敏感化的信号发生装置

Publications (2)

Publication Number Publication Date
CN111291879A CN111291879A (zh) 2020-06-16
CN111291879B true CN111291879B (zh) 2023-08-22

Family

ID=71027261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010233459.1A Active CN111291879B (zh) 2020-03-29 2020-03-29 一种具备习惯化与敏感化的信号发生装置

Country Status (1)

Country Link
CN (1) CN111291879B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112998720B (zh) * 2021-01-29 2023-07-25 广东技术师范大学 一种智能预警可穿戴心率监测电路及其控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108804786A (zh) * 2018-05-26 2018-11-13 江西理工大学 一种联想神经网络突触权值可塑的忆阻模型电路设计方法
JP2019003546A (ja) * 2017-06-19 2019-01-10 株式会社デンソー 多層ニューラルネットワークのニューロンの出力レベル調整方法
CN110059816A (zh) * 2019-04-09 2019-07-26 南京邮电大学 一种基于忆阻器的神经网络单元电路
CN110600610A (zh) * 2019-09-26 2019-12-20 中国科学院微电子研究所 人工神经突触器件及其制备方法
CN110647982A (zh) * 2019-09-26 2020-01-03 中国科学院微电子研究所 人工感受神经电路及其制备方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9489618B2 (en) * 2014-05-27 2016-11-08 Purdue Research Foudation Electronic comparison systems
CN110413551B (zh) * 2018-04-28 2021-12-10 上海寒武纪信息科技有限公司 信息处理装置、方法及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019003546A (ja) * 2017-06-19 2019-01-10 株式会社デンソー 多層ニューラルネットワークのニューロンの出力レベル調整方法
CN108804786A (zh) * 2018-05-26 2018-11-13 江西理工大学 一种联想神经网络突触权值可塑的忆阻模型电路设计方法
CN110059816A (zh) * 2019-04-09 2019-07-26 南京邮电大学 一种基于忆阻器的神经网络单元电路
CN110600610A (zh) * 2019-09-26 2019-12-20 中国科学院微电子研究所 人工神经突触器件及其制备方法
CN110647982A (zh) * 2019-09-26 2020-01-03 中国科学院微电子研究所 人工感受神经电路及其制备方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Yang Zhang et al..Memristive Model for Synaptic Circuits.《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS—II: EXPRESS BRIEFS》.2017,第64卷(第7期),第767-771页. *

Also Published As

Publication number Publication date
CN111291879A (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
Wang et al. A novel memristor-based circuit implementation of full-function Pavlov associative memory accorded with biological feature
JP6644064B2 (ja) ニューロモーフィック・シナプス、そのアレイ、および、そのシステム
US9208434B2 (en) Neuromorphic system exploiting the intrinsic characteristics of memory cells
Lee et al. Oxide based nanoscale analog synapse device for neural signal recognition system
KR20140141778A (ko) Stdp 동작을 위한 시냅스 회로 및 시냅스 회로를 포함하는 뉴로모픽 시스템
CN109002647B (zh) 一种具有延时学习功能的忆阻联想记忆神经网络电路
CN106981567A (zh) 一种基于光电耦合忆阻器的人工突触器件及其调制方法
CN111291879B (zh) 一种具备习惯化与敏感化的信号发生装置
Rasche et al. An improved silicon neuron
Indiveri et al. A VLSI neuromorphic device for implementing spike-based neural networks
US10558910B2 (en) Neuromorphic device and method of adjusting a resistance change ratio thereof
Indiveri et al. Spike-based learning in VLSI networks of integrate-and-fire neurons
Liu Analog VLSI circuits for short-term dynamic synapses
Lee et al. An electronic neuron with input-specific spiking
CN111630528B (zh) 类神经电路以及运作方法
US11443177B2 (en) Artificial neuromorphic circuit and operation method
Kwon et al. Integrate-and-fire neuron circuit and synaptic device with a floating body MOSFET
Joshi et al. A carbon nanotube spiking cortical neuron with tunable refractory period and spiking duration
CN210924659U (zh) 类神经电路
Elias et al. Analog VLSI neuromorph with spatially extensive dendritic tree
CN210924660U (zh) 类神经电路
CN116894470B (zh) 一种模拟动物操作性条件反射的神经功能性电路
Velichko et al. Oscillator circuit for spike neural network with sigmoid like activation function and firing rate coding
CN110766149A (zh) 放电速率依赖可塑性结构及实现方法
Abbas et al. Neuromorphic implementation of adaptive exponential integrate and fire neuron

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant