Können Memristoren das neuromorphe Computing revolutionieren? Dieses Papier untersucht das Potenzial von Nb2O5-Memristoren zur Konstruktion künstlicher Neuronen in unüberwachten Lernnetzwerken und bietet einen Weg zu nanoskaligen und energiesparenden Computerlösungen. Sie stellen fest, dass Memristoren zur Konstruktion künstlicher Neuronen verwendet werden können. Forscher wenden einen lokal aktiven Nb2O5-Memristor mit parasitärer Kapazität als LIF-Neuron an und analysieren Spiking-Oszillationen durch kleine Signaläquivalentschaltungen und die Hopf-Bifurkationsmethode. Durch die Kombination von Nb2O5-memristiven Neuronen mit spannungsgesteuerten, nichtflüchtigen memristiven Synapsen erstellen sie ein unüberwachtes Lernnetzwerk. Die vorgeschlagene Schaltung, die durch LTspice-Simulation validiert wurde, demonstriert die Fähigkeit, verschiedene Muster zu erkennen und kann auf das neuronale morphologische System der Mustererkennung angewendet und Buchstaben- und Zahlbilder klassifizieren. Bevor wir die Hardware-Schaltung bauen, prognostizieren wir die Trainingszeit, Erkennungszeit und Erkennungsgenauigkeit des Mustererkennungsnetzwerks durch theoretische Analyse, die das tatsächliche Schaltungsexperiment leitet.
Dieser Artikel, der im International Journal of Circuit Theory and Applications veröffentlicht wurde, passt zum Schwerpunkt des Journals auf Elektronik und Elektrotechnik. Durch die Erforschung der Anwendung von Nb2O5-Memristoren im neuromorphen Computing trägt die Forschung zu Fortschritten in der Schaltungstheorie und der Entwicklung innovativer elektronischer Geräte bei. Der Geltungsbereich des Journals.