一种基于阻性存储器的多位存储结构及其读写操作方法

    公开(公告)号:CN103761987A

    公开(公告)日:2014-04-30

    申请号:CN201410008330.5

    申请日:2014-01-08

    Abstract: 本发明公开了一种基于阻性存储器的多位存储结构,所述多位存储结构包括依次同向叠放的N个阻性存储单元,每两个相邻叠放的阻性存储单元之间间隔一层导电的金属薄膜;每个阻性存储单元具有高阻态HRS和低阻态LRS两种状态,所述整个多位存储结构具有N+1个阻值状态,对应N+1个存储状态,其中所述N大于等于2。本发明还提供了一种基于上述多位存储结构的读写操作方法。本发明通过同向叠放多个阻性存储单元,组成了多位存储结构,从而在提高RRAM存储器密度的同时也保证了RRAM存储器的读写操作的可靠性。

    一种针对RRAM的快速写验证方法和系统

    公开(公告)号:CN103337255B

    公开(公告)日:2015-06-17

    申请号:CN201310250101.X

    申请日:2013-06-21

    Abstract: 本发明公开了一种针对RRAM的快速写验证方法,包括:创建并初始化查找表,将计数器的值i初始化为0,计数器用来记录一次写操作过程中施加电压脉冲的次数,判断RRAM的存储单元要求写“0”还是写“1”,如果要求写“0”则在RRAM的存储单元两端施加一次反向电压脉冲,其幅值为V_0(i),以改变RRAM存储单元的阻值,并设置计数器i=i+1,读取RRAM存储单元的阻值,并判断该RRAM存储单元阻值是否低于预设的高阻态阻值阈值R_H,如果是,则判断计算器i是否小于最大施加电压脉冲次数N_max,如果不是则表示写操作失败。本发明可使RRAM存储单元的阻值尽可能地快速分布在预设的高阻态或低阻态范围内,因而可容易区分存储单元的高阻态和低阻态,由此保证RRAM读写的准确性。

    一种反馈型人工神经网络训练方法及计算系统

    公开(公告)号:CN103455843A

    公开(公告)日:2013-12-18

    申请号:CN201310358885.8

    申请日:2013-08-16

    Abstract: 本发明公开了一种反馈型人工神经网络训练方法及计算系统,属于神经网络计算领域。一种人工神经网络训练方法,突触权重根据神经突出两端的前馈信号和反馈信号调整,当神经突出两端分别为兴奋前馈信号和兴奋反馈信号时,该突出权重调整到最大值,当神经突出两端分别为静息前馈信号和兴奋反馈信号时,该突出权重调整到最小值;一种反馈型人工神经网络计算系统,节点电路包括计算模块、前馈模块和反馈模块,节点电路通过忆阻器模拟的神经突出相连,采用一系列脉冲信号实现所述反馈型人工神经网络训练方法。本发明提供的人工神经网络收敛速度快,人工神经网络计算系统控制元件较少,能耗低,可应用于数据挖掘、模式识别、图像识别等方面。

    一种基于忆阻器的图像识别系统及方法

    公开(公告)号:CN103810497B

    公开(公告)日:2017-04-19

    申请号:CN201410037374.0

    申请日:2014-01-26

    Abstract: 本发明公开了一种基于忆阻器的图像识别系统及方法。所述系统包括图像信号提取模块、多个基于忆阻器的神经网络模块和识别模块;所述识别模块其输入端与多个神经网络模块的输出端相连;每个神经网络模块的输出端与识别模块的输入端相连,其输入端与信号提取模块的输出端相连。所述方法包括以下步骤:(1)获取待识别灰度图像的特征向量并输入各神经网络模型;(2)各神经网络模型根据其图像模型对所述特征向量分别进行打分并进行识别;(3)计算各神经网络分值与训练时获取标准值之差值,根据所述差值判断待识别图像类别。所述系统扩展性好,集成密度高,功耗低;所述方法,时间复杂度低,识别精度较高。

    一种反馈型人工神经网络训练方法及计算系统

    公开(公告)号:CN103455843B

    公开(公告)日:2016-03-02

    申请号:CN201310358885.8

    申请日:2013-08-16

    Abstract: 本发明公开了一种反馈型人工神经网络训练方法及计算系统,属于神经网络计算领域。一种人工神经网络训练方法,突触权重根据神经突出两端的前馈信号和反馈信号调整,当神经突出两端分别为兴奋前馈信号和兴奋反馈信号时,该突出权重调整到最大值,当神经突出两端分别为静息前馈信号和兴奋反馈信号时,该突出权重调整到最小值;一种反馈型人工神经网络计算系统,节点电路包括计算模块、前馈模块和反馈模块,节点电路通过忆阻器模拟的神经突出相连,采用一系列脉冲信号实现所述反馈型人工神经网络训练方法。本发明提供的人工神经网络收敛速度快,人工神经网络计算系统控制元件较少,能耗低,可应用于数据挖掘、模式识别、图像识别等方面。

    一种基于忆阻器的图像识别系统及方法

    公开(公告)号:CN103810497A

    公开(公告)日:2014-05-21

    申请号:CN201410037374.0

    申请日:2014-01-26

    Abstract: 本发明公开了一种基于忆阻器的图像识别系统及方法。所述系统包括图像信号提取模块、多个基于忆阻器的神经网络模块和识别模块;所述识别模块其输入端与多个神经网络模块的输出端相连;每个神经网络模块的输出端与识别模块的输入端相连,其输入端与信号提取模块的输出端相连。所述方法包括以下步骤:(1)获取待识别灰度图像的特征向量并输入各神经网络模型;(2)各神经网络模型根据其图像模型对所述特征向量分别进行打分并进行识别;(3)计算各神经网络分值与训练时获取标准值之差值,根据所述差值判断待识别图像类别。所述系统扩展性好,集成密度高,功耗低;所述方法,时间复杂度低,识别精度较高。

    一种针对RRAM的快速写验证方法和系统

    公开(公告)号:CN103337255A

    公开(公告)日:2013-10-02

    申请号:CN201310250101.X

    申请日:2013-06-21

    Abstract: 本发明公开了一种针对RRAM的快速写验证方法,包括:创建并初始化查找表,将计数器的值i初始化为0,计数器用来记录一次写操作过程中施加电压脉冲的次数,判断RRAM的存储单元要求写“0”还是写“1”,如果要求写“0”则在RRAM的存储单元两端施加一次反向电压脉冲,其幅值为V_0(i),以改变RRAM存储单元的阻值,并设置计数器i=i+1,读取RRAM存储单元的阻值,并判断该RRAM存储单元阻值是否低于预设的高阻态阻值阈值R_H,如果是,则判断计算器i是否小于最大施加电压脉冲次数N_max,如果不是则表示写操作失败。本发明可使RRAM存储单元的阻值尽可能地快速分布在预设的高阻态或低阻态范围内,因而可容易区分存储单元的高阻态和低阻态,由此保证RRAM读写的准确性。

Patent Agency Ranking