全新正版纳米忆阻器与神经形态计算9787111704119机械工业出版社

译者序<br/>前言<br/>致谢<br/>作者简介<br/>章  导论1<br/>  1.1  发现1<br/>  1.2  忆阻器2<br/>1.2.1  定义2<br/>1.2.2  理想忆阻器的直流响应4<br/>1..  理想忆阻器的交流响应4<br/>1.2.4  理想忆阻器的交流响应：更高的频率5<br/>1.2.5  进一步观察6<br/>1.2.6  小结8<br/>  1.3  忆阻器件和系统8<br/>1.3.1  定义8<br/>1.3.2  电阻开关机制9<br/>1.3.3  离子传输10<br/>1.3.4  导电丝的形成11<br/>1.3.5  相变转换12<br/>1.3.6  谐振隧穿二极管14<br/>1.3.7  磁阻式存储器、纳米粒子和多态器件15<br/>  1.4  神经形态计算17<br/>1.4.1  忆阻突触18<br/>1.4.2  忆阻神经元18<br/>1.4.3  忆阻神经网络19<br/>  1.5  本章总结22<br/>  致谢22<br/>  参考文献<br/>第2章  交叉阵列存储模拟和能评估27<br/>  2.1  引言27<br/>2.1.1  动机27<br/>2.1.2  存储器28<br/>2.1.3  非晶硅交叉阵列存储单元29<br/>  2.2  结构30<br/>2.2.1  交叉阵列模型32<br/>  .  写入策略和电路实现35<br/>  2.4  读取策略和电路实现37<br/>  2.5  存储架构40<br/>  2.6  功耗45<br/>2.6.1  功耗估计45<br/>2.6.2  静态功率分析建模48<br/>  2.7  噪声分析51<br/>  2.8  面积开销53<br/>2.8.1  基于库的系统设计60<br/>  2.9  技术比较62<br/>  参考文献62<br/>第3章  基于忆阻器的数字存储器65<br/>  3.1  引言65<br/>  3.2  忆阻存储器的自适应读写66<br/>  3.3  结果8<br/>3.3.1  高状态8<br/>3.3.2  背景电阻扫描69<br/>3.3.3  阻值扫描71<br/>3.3.4  二极管泄漏电流71<br/>3.3.5  功率建模72<br/>  3.4  自适应方法的结果与讨论75<br/>  3.5  本章总结77<br/>  参考文献77<br/>第4章  多级存储架构79<br/>  4.1  引言79<br/>  4.2  多状态存储架构81<br/>4.2.1  架构81<br/>4.2.2  读/写电路82<br/>4..  阵列电压偏置方案83<br/>4.2.4  读/写操作流程84<br/>4.2.5  状态由来84<br/>  4.3  读/写操作86<br/>4.3.1  读/写8<br/>4.3.2  读取相邻单元的干扰88<br/>  4.4  变化的影响90<br/>4.4.1  编程电压的变化90<br/>4.4.2  串联电阻的变化91<br/>4.4.3  减少影响的读取方案91<br/>4.4.4  阵列写入后的电阻分布93<br/>  4.5  本章总结94<br/>  参考文献94<br/>第5章  搭建忆阻器的神经形态组件98<br/>  5.1  引言98<br/>  5.2  使用忆阻器实现神经形态功能99<br/>5.2.1  侧抑制99<br/>5.2.2  返回抑制100<br/>5..  重合检测100<br/>  5.3  CMOS忆阻器神经形态芯片103<br/>5.3.1  模拟示例:位置检测器103<br/>5.3.2  数字示例：多功能芯片架构107<br/>  5.4  本章总结110<br/>  参考文献111<br/>第6章  基于忆阻器的值迭代114<br/>  6.1  引言114<br/>  6.2  学习和忆阻器建模115<br/>  6.3  迷宫搜索应用116<br/>6.3.1  介绍116<br/>6.3.2  硬件架构117<br/>6.3.3  学习的硬件连接119<br/>  6.4  结果与讨论120<br/>  6.5  本章总结121<br/>  参考文献121<br/>第7章  基于隧道的细胞非线络结构在图像处理中的应用1<br/>  7.1  引言1<br/>  7.2  CNN工作原理124<br/>7.2.1  基于Chua和Yang模型的CNN124<br/>7.2.2  基于RTD模型的CNN方程125<br/>7..  不同CNN模型之间的比较126<br/>  7.3  电路分析127<br/>7.3.1  稳定12<br/>7.3.2  建立时间128<br/>  7.4  结果131<br/>  7.5  本章总结133<br/>  参考文献134<br/>第8章  多峰谐振隧穿二极管的彩色图像处理136<br/>  8.1  引言136<br/>  8.2  基于多峰谐振隧穿二极管的彩色图像处理器138<br/>  8.3  颜色表示方法140<br/>  8.4  颜色量化141<br/>8.4.1  实现和结果141<br/>8.4.2  建立时间分析143<br/>8.4.3  能耗分析143<br/>  8.5  光滑函数144<br/>8.5.1  运行与结果144<br/>8.5.2  稳定时间145<br/>8.5.3  能耗分析145<br/>  8.6  颜色提取146<br/>  8.7  与数字信号处理芯片的比较149<br/>  8.8  稳定150<br/>  8.9  本章总结151<br/>  参考文献152<br/>第9章  基于谐振隧穿二极管阵列的速度调谐滤波器设计154<br/>  9.1  引言154<br/>  9.2  基于RTD的速度调谐滤波器阵列155<br/>9.2.1  传统速度调谐滤波器155<br/>9.2.2  谐振隧穿二极管156<br/>9..  速度调谐滤波器158<br/>  9.3  系统分析162<br/>9.3.1  速度调谐滤波器的时延分析162<br/>9.3.2  速度调谐滤波器的功耗分析163<br/>9.3.3  速度调谐滤波器的稳定166<br/>  参考文献168<br/>0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169<br/>  10.1  引言169<br/>  10.2  CNN结构170<br/>10.2.1  谐振隧穿二极管模型与偏置170<br/>10.2.2  单元结构171<br/>  10.3  编程可变电阻连接172<br/>  10.4  分析建模175<br/>10.4.1  边缘检测175<br/>10.4.2  线条检测177<br/>  10.5  结果178<br/>10.5.1  边缘检测178<br/>10.5.2  线条检测181<br/>  10.6  本章总结181<br/>  参考文献181<br/>1章  基于忆阻器的非线细胞/神经网络:设计、分析及应用183<br/>  11.1  引言183<br/>  11.2  忆阻器基础184<br/>  11.3  基于忆阻器的细胞神经网络186<br/>11.3.1  忆阻细胞神经网络的描述186<br/>11.3.2  使用忆阻桥电路实现突触的连接187<br/>11.3.3  M-CNN细胞的实现189<br/>  11.4  数学分析190<br/>11.4.1  稳定190<br/>11.4.2  容错191<br/>  11.5  计算机193<br/>11.5.1  稳定分析193<br/>11.5.2  容错分析194<br/>11.5.3  M-CNN的应用194<br/>11.5.4  M-CNN上忆阻器偏差值的影响196<br/>  11.6  本章总结197<br/>  参考文献197<br/>2章  基于忆阻器的神经网络动力学分析及其应用200<br/>  12.1  引言200<br/>  12.2  定义和规则202<br/>  1.  基于忆阻器的神经网络设计203<br/>1..1  MRNN的设计203<br/>1..2  MWNN的设计206<br/>1..  小结208<br/>  12.4  动力学分析208<br/>12.4.1  MRNN的动力学分析208<br/>12.4.2  MWNN的动力学分析220<br/>12.4.3  WTA点存在的充分条件220<br/>12.4.4  WTA行为和收敛分析221<br/>12.4.5  小结222<br/>  12.5  应用与2<br/>12.5.1  MRNN的2<br/>12.5.2  BP-MWNN分类器系统的说明示例227<br/>12.5.3  小结0<br/>  参考文献0<br/>附录5<br/>缩写词242

皮纳基·马祖姆德（Pinaki Mazumder），美国密歇根大学电气工程与计算机科学系教授，他的研究兴趣包括对于量子MOS、自旋学、欺骗等离子体、共振隧穿器件等新兴技术的CMOS超大规模集成电路设计、半导体存储系统、CAD工具和电路设计。

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。