1. 研究目的与意义（文献综述）

1.1 设计目的及意义

随着科学技术的发展，人们对人脑的工作机制以及其智能思维的探索不断加深。人工智能是计算机科学的一个分支，它研究、模拟、延伸人的智能并以此为基础，利用计算机模拟人的某些思维过程和智能行为，实现时有两种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。另一种是模拟法，不仅要看效果，还要求实现方法与人类或者生物体所用实现方法相同或者相似。人工神经网络为模拟法的一种，模拟人或动物神经细胞的活动方式达到智能效果。

脉冲神经网络（snn）是第三代人工神经网络，与第二代人工神经网络相比，它通过将时间纳入神经元/突触模型来提高神经模拟中的真实性水平，更加符合生物对信息的处理方式，引起了广泛的关注和研究热潮。在其动态神经网络中，神经元并不是每一次迭代都被激活，而是在它的膜电位达到某一个特定值才被激活。当一个神经元被激活，它会产生一个信号传递给其他神经元，提高或降低其膜电位。这与生物神经网络的动作极为相似，但是，脉冲不是在神经元之间直接传递的，需要借助突触传递突触介质。生物体内，两个神经元之间的突触权重可以通过它们的离子流来精确调整，并且人们普遍认为，突触权重具有极大的灵活性和自适应性，这使得生物系统能够学习和功能化。突触在人工神经网络中也起着重要的作用，它是信息存储与信息传递的重要元素。在传统的硬件实现中，电阻器，电容器和cmos晶体管被广泛使用。然而，这些突触装置由两个主要缺点：波动性和不可编程性。同时，大规模集成电路的功耗极大，且其密度也难以达到生物神经网络的密度。忆阻器的出现打破了这一僵局。突触与被称为忆阻器的电子器件有着惊人的相似之处，忆阻器的电导可以通过控制通过它的电荷或磁通量逐渐修改，其非易失性使得忆阻器能对前一状态进行记忆。忆阻器尺寸一般为纳米级别且功耗低，大规模集成能更真实地模拟生物神经网络。利用忆阻的电路特性来模拟突触是当下脉冲神经网络的研究热点，更是突破传统硬件实现的方法，对人工智能的进一步发展起到促进作用。

2. 研究的基本内容与方案

人工神经网络是一个能够运用已知数据来进行学习，归纳总结的系统，是实现人工智能的重要方法。一个人工神经网络由多层神经元结构组成，每一层神经元结构都具有输入（上一层神经元的输出）和输出（下一层神经元的输入）。两层神经元结构间的连接由突触来完成。因此，设计神经网络的突触模型是十分必要的。

本设计所做工作主要有以下几点：

（1） 学习忆阻器的概念，电路理论特性和数学模型；了解忆阻器的发展现状及其典型应用。

3. 研究计划与安排

1-2周，完成开题报告和文献翻译，完成开题答辩；

3-4周，学习忆阻的概念、特性及数学模型；

5-7周，学习基于忆阻的逻辑运算电路；

4. 参考文献（12篇以上）

[1] l. o. chua.memristor一the missing circuit element. ieee transcircuit theory, 1971, 18(5):507-519

[2]strukovdmitri b,snider gregory s,stewart duncan r,williams r stanley. the missingmemristor found.[j]. nature,2008,453(7191).