“存储器科学与技术丛书”序
前言
第1章 站在类脑计算与忆阻器的交汇点
1.1 类脑计算
1.1.1 学习与泛化
1.1.2 存算一体
1.1.3 高能效
1.2 类脑计算：为什么是忆阻器
1.2.1 突触可塑性：类脑计算的物理基础
1.2.2 忆阻器：天然的突触
1.3 类脑计算的发展简史
1.3.1 第一代：感知器
1.3.2 第二代：引入非线性的多层感知器
1.3.3 第三代：从模拟计算到神经形态计算
1.4 本书章节安排
1.5 思考题
参考文献
第2章 忆阻突触
2.1 离子迁移型
2.1.1 导电桥型
2.1.2 氧化物型
2.1.3 固态电解质型
2.2 相变型
2.2.1 晶-非晶相变
2.2.2 莫特相变
2.3 铁电型
2.3.1 基本原理
2.3.2 常用铁电材料
2.3.3 常用器件结构
2.4 忆阻突触阵列
2.4.1 潜行通路问题及解决方案
2.4.2 多核结构
2.4.3 三维堆叠
2.5 本章小结
2.6 思考题
参考文献
第3章 忆阻神经元
3.1 神经元简介
3.1.1 生物神经元
3.1.2 神经元的简化模型
3.2 基于非易失的相变材料
3.2.1 设计思想
3.2.2 相变神经元的电路实现
3.2.3 辅助电路
3.3 基于易失的阈值转换材料
3.3.1 设计原理
3.3.2 阈值转换常见机理及其神经元
3.4 本章小结
3.5 思考题
参考文献
第4章 人工神经网络的监督学习
4.1 单层神经网络
4.1.1 算法原理
4.1.2 基于1T1M的突触阵列：人脸识别
4.1.3 基于忆阻器差分对的突触阵列：三宫格识别
4.2 深度神经网络
4.2.1 算法原理
4.2.2 反向传播的忆阻交叉阵列实现
4.2.3 忆阻突触的非理想效应与对策
4.3 本章小结
4.4 思考题
参考文献
第5章 脉冲神经网络的监督学习
5.1 脉冲传播
5.1.1 算法原理
5.1.2 权重更新：隐藏层到输出层
5.1.3 权重更新：输入层到隐藏层
5.1.4 操作流程
5.1.5 异或问题应用
5.1.6 问题与改进方案（1）
5.1.7 问题与改进方案（2）
5.2 远程监督方法
5.2.1 算法原理
5.2.2 基于互补器件的电路实现
5.2.3 器件非理想效应及解决方案
5.3 本章小结
5.4 思考题
参考文献
第6章 人工神经网络的非监督学习
6.1 寻找隐藏的数据结构
6.2 若干算法
6.2.1 竞争学习
6.2.2 期望-最大化
6.3 本章小结
6.4 思考题
参考文献
第7章 脉冲神经网络的非监督学习
7.1 赫布法则
7.2 STDP变种
7.2.1 忆阻突触实现
7.2.2 神经网络应用：图像识别
7.3 STDP变种
7.3.1 忆阻突触实现
7.3.2 应用：DVS与运动轨迹识别
7.3.3 忆阻突触电导方差对网络性能影响
7.4 本章小结
7.5 思考题
参考文献
第8章 深度强化学习
8.1 强化学习简介
8.2 基于模拟值的深度Q值网络
8.2.1 吃还是不吃？这是个问题
8.2.2 Bellman方程
8.2.3 Bellman方程求解
8.2.4 深度Q值网络
8.2.5 若干优化技术
8.2.6 忆阻突触阵列实现
8.3 基于脉冲的深度Q值网络
8.3.1 脉冲Q值学习
8.3.2 策略迁移
8.4 本章小结
8.5 思考题
参考文献
第9章 卷积神经网络
9.1 基本原理
9.1.1 特征提取：第一层卷积核
9.1.2 特征提取：池化
9.1.3 特征提取：后续层卷积核
9.1.4 分类：拍平与全连接
9.2 二维忆阻阵列实现
9.2.1 负权重的电路实现
9.2.2 激活函数的电路实现
9.2.3 平均池化的电路实现
9.2.4 三维卷积核运算的电路实现
9.2.5 权重更新的电路实现
9.2.6 卷积的并行实现
9.2.7 忆阻突触阵列的非理想效应
9.2.8 芯片级体系结构
9.3 三维忆阻阵列实现
9.3.1 设计理念
9.3.2 设计与实现实例
9.4 本章小结
9.5 思考题
参考文献
第10章 贝叶斯神经网络
10.1 不确定性来源与量化
10.1.1 乳腺肿瘤数据：标签交叠区难题
10.1.2 贝叶斯神经网络：量化不确定度
10.2 随机失效突触技术
10.2.1 随机失效神经元/突触技术简介
10.2.2 随机失效突触与贝叶斯神经网络的等价性
10.2.3 蒙特卡罗-随机失效突触技术的优缺点
10.3 基于阈值转换器件的硬件实现
10.3.1 基于OTS的随机突触
10.3.2 新冠肺炎胸片诊断：量化不确定度
10.4 本章小结
10.5 思考题
参考文献
第11章 全光神经网络
11.1 光学突触器件原理
11.2 基于集成光感器件的卷积神经网络
11.2.1 波分复用与光频梳：高并行的光信息处理
11.2.2 全光卷积神经网络设计
11.3 本章小结
11.4 思考题
参考文献
第12章 其他应用
12.1 稀疏编码
12
展开
