使用纳米级忆阻器实现紧凑且节能的突触元件引起了人们对构建神经网络电路的广泛兴趣。 忆阻神经网络不仅可以提供强大的计算能力，而且还表现出智能行为，例如认知和联想记忆。 本文设计了一种具有联想记忆和记忆丧失特性的基于忆阻器的联想记忆神经网络（m-ASNN），并进一步用于反映人类在社会关系中的情感。 具体而言，提出了具有编程阈值和遗忘特性的压控忆阻器模型，并将其用作1 M（忆阻器）电子突触。 这样的忆阻器突触可以学习和存储信息，并且对于其突触前和突触后神经元的活动具有可塑性，例如生物突触。 此外，建立了由忆阻器突触以及抑制性和兴奋性神经元组成的M-ASNN，以模拟社交关系中某些情感的形成，保持和丧失。 最后，提出并仿真了基于PSPICE的M-ASNN的模拟实现。 使用忆阻器设备对人类情感进行新颖的建模和实现可能为情感计算以及忆阻神经网络的应用创造新的机会

忆阻器有多种型号。 在给定的文件中，给出了具有 Joglekar 窗和 Prodromakis 窗的忆阻器的 matlab 非线性边界漂移模型。 通过取消注释所需的窗口方程并注释掉其他窗口方程，我们可以选择上述模型之一。

行业-电子政务-忆阻器电压与电流关系的确定方法、装置和终端设备.zip

行业分类-电器装置-基于数字电位器的忆阻器仿真器电路.zip

行业-电子政务-基于忆阻器的逻辑门电路.zip

本书针对阻变存储器的潜在应用，重点阐述其基本科学问题和关键技术，系统地介绍了阻变存储器的背景、研发历程与现状、发展趋势、阻变材料、器件结构、电阻转变的机理、载流子输运模型与随机模型、电阻转变统计与模型、器件性能改善方法、集成技术、电路应用等

该论文包括忆阻器工艺的相关数篇论文，主要包括各种忆阻器的模型，忆阻器的工艺要求等相关内容。同时，包括仿真过程中的遇到的窗函数的相关总结，电路模型等内容。

#资源达人分享计划#

忆阻器是具有记忆和类突触特性的非线性电路元件. 基于此特性, 文中提出了一个基于STDP(spike-time-dependent plasticity) 学习规则的忆阻桥突触电路, 它具有可以作为人工神经网络突触的优势. 根据此优势, 将这个新的电路与其他电路和网络结合, 构成全新的电路和网络. 首先将该忆阻桥突触电路和3 个附加的晶体管结合在一起, 实现神经网络的突触运算, 并构建完整的忆阻桥突触神经网络. 然后再将它与细胞神经网络结合用于图像去噪、边缘提取、角检测和汉字识别. 最后, 通过一系列的仿真实验证实了该方案的可行性, 说明基于STDP 学习规则的忆阻桥突触神经网络更具仿生特性, 而且集成度更高、模板更易更换, 有望解决实时的复杂的智能问题.

行业分类-电子电器-一种易失性与非易失性共存的忆阻器件及制备方法及备选制备方法.zip