基于多层RTD忆阻器的细胞神经网络用于彩色图像处理

相信每个单元中具有多个状态变量的多层细胞神经网络(CNN)与多个动态规则相关联,比单层CNN具有更强大的数据计算和信号处理能力,特别适合解决复杂问题。 但是,目前,基于传统的基于CMOS的技术,由于大规模电路复杂性,它们的大规模集成硬件实现仍然颇具挑战性,因此其应用在实践中受到限制。 本文提出了一种基于纳米尺度,谐振隧穿二极管和忆阻器的新型紧凑型多层CNN模型。 更具体地说,在此模型中,一个多层CNN单元由位于不同层中的几个子单元组成。 具有量子隧穿引起的非线性和独特的折叠电流-电压特性的谐振隧穿二极管可用于通过替换原有的线性电阻器和取消常规CNN电池的输出功能来实现紧凑而高速的电池。 此外,这些细胞之间的相互作用是由一对多维克隆模板决定的。 并设计了一种基于忆阻器的紧凑型突触电路,以利用其非易失性,良好的可扩展性和可变的电导率来实现克隆模板参数(权重强度)和乘法(加权)操作。 这些希望的元素的组合使所提出的多层CNN具有强大的处理能力以及高紧凑性,多功能性和超大规模集成(VLSI)电路实现可能性的优点。 最后,通过彩色图像处理中的五个说明性示例验证了所提出的多层CNN的性能,其中每个