×
模态框（Modal）标题
在这里添加一些文本
关闭
关闭
提交更改
取消
确定并提交
×
模态框（Modal）标题
×
Toggle navigation
首页
学报介绍
下载中心
过刊浏览
联系我们
图/表 详细信息
基于1T1R忆阻器交叉阵列与CMOS激活函数的全模拟神经网络
赵航, 杨董行健, 王聪, 梁世军, 缪峰
南京大学学报(自然科学版), 2025, 61(
5
): 867-878. DOI:
10.13232/j.cnki.jnju.2025.05.015
图4
精确调节1T1R交叉阵列中忆阻器件导电状态的流程图
本文的其它图/表
图1
(a) 1R忆阻器交叉阵列; (b) 1T1R忆阻器交叉阵列
图2
1T1R忆阻器交叉阵列光学照片
图3
(a) 1T1R单元在不同栅极电压下的切换曲线; (b) 1T1R单元在不同栅极电压下调节后的电导
图5
忆阻器写入误差
图6
图片写入测试后的电导矩阵
图7
CMOS激活函数的基本结构
图8
CMOS伪ReLU激活函数电路与输入输出特性
图9
CMOS伪Leaky ReLU激活函数电路与输入输出特性
图10
CMOS伪Tanh激活函数电路与输入输出特性
图11
CMOS伪Sigmoid激活函数电路与输入输出特性
图12
CMOS 伪Softmax激活函数电路与输入输出特性
表1
模拟CMOS激活函数电路与65 nm工艺节点的高速ADC的功耗和面积对比
图13
全模拟神经网络的计算流程图
图14
伪激活函数及导数
图15
使用伪Leaky ReLU激活函数电路的全模拟网络与标准网络进行训练的对比
图16
使用伪Tanh激活函数电路的全模拟网络与标准网络进行训练的对比
图17
使用伪Sigmoid激活函数电路的全模拟网络与标准网络进行训练的对比
图18
不同权重编程误差下的精度
