Тип работы:
Предмет:
Язык работы:


ПОСТРОЕНИЕ И РАЗРАБОТКА НЕЙРОМОДУЛИРУЮЩЕГО МЕМРИСТОРНОГО НЕЙРОНА

Работа №49243

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы45
Год сдачи2018
Стоимость4370 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
78
Не подходит работа?

Узнай цену на написание


Глоссарий 1
Введение 3
1. Мемристоры 6
1.1. Теоретические свойства 6
1.2. Реализации 7
1.3. Сравнение характеристик 13
1.4. Использование мемристоров в схемах искусственного нейрона .
2. Эксперименты с полианилиновым мемристором 21
2.1. Верификация мемристоров 21
2.2. Эксперименты с формой и продолжительностью сигнала .... 23
3. Разработка схемы искусственного нейрона 25
3.1. Обзор Высокоуровневой модели 25
3.2. Принципиальная схема 28
3.2.1. Тело нейрона 28
3.2.2. Генератор обратной связи 29
3.2.3. Нейромодулирующие блоки 30
3.2.4. Адаптер 31
3.2.5. Интеграция мемристора со схемой 33
Заключение 34
Список литературы 36
Приложение

Достижения нейробиологии привносят все большее понимание о механизмах его работы и способности к адаптации, а технологии компьютерных симуляций, при этом, позволяют значительно снизить количество используемых лабораторных животных при проведении экспериментов. Значительным успехом данных технологий является симуляция нейрональной активности части мозга человека [1]. Открывшиеся с получением предсказанного мемристора [2; 3] возможности приковывают интерес исследователей к аппаратной реализации нейронов. Получившийся инструментарий из теоретической базы нейробиологии, технологий компьютерных симуляций, мемристоров и схемотехники прокладывает дорогу к новым вершинам: биоинспирированной робототехнике, более естественному с точки зрения управления мозгом протезированию, аппаратным нейронным сетям для задач классического искусственного интелекта, нейроморфным компьютерам и др.
Тем не менее, среди имеющихся работ касательно реализации искусственного нейрона нет тех, что рассматривали бы механизмы нейромодуляции.
Таким образом, проблемой данной дипломной работы является реализация на аналоговых компонентах и мемристорах биологически инспирированной модели искусственного нейрона с механизмами дофаминовой нейромодуляцией и подкрепляющего/ингибирующего обучения.
Объект исследования — дофаминовой нейромодуляция и подкрепляюще- е/ингибирующее обучение. Предмет исследования — аппаратная реализация нейрона.
Цель дипломной работы — в составе исследовательской команды предоставить аппаратную реализацию искусственного нейрона. Для достижения поставленной цели необходимо решить следующие задачи:
• Проанализировать характеристики мемристора: выявить пороговые значения напряжения для окислительно-восстановительных реакций, определить предпочитаемую форму сигнала.
• Спроектировать генератор LTP/LTD сигналов.
• Спроектировать сому нейрона.
• Собрать и протестировать аппаратную реализацию нейрона.
Основным средством проектирования схемы нейрона является система схематического моделирования LTspice XVII. В качестве вспомогательного средства использовался многоканальный регистратор-самописец LGraph2 для обработки аналоговых сигналов.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В ходе проделанной работы были были расмотренны различные реализации мемристоров, варианты их использования в схемах искусственных нейронов. В составе исследовательской команды были экспериментально изучены характеристики полианилиовых мемристоров и была разработана схема нейромодулирующего нейрона (Рис. 20), состоящая на данном этапе из:
• Тела нейрона.
• Генератора обратной связи.
• Нейромодулирующих блоков.
• Адаптера для мемристора.
• Изолирующего механизма для мемристора.
Помимо этого, были предприняты первые шаги в физической реализации разработанной схемы (Рис. 22), включающая в себя следующие компоненты:
• Часть адаптера, отвечающая за масштабирование сигнала (плата слева).
• Генератор обратной связи (плата по центру).
• Тело нейрона (плата справа).
Тем не менее, всё еще остается открытой задачей разработка генераторов дендритных спайков и блокирующих узлов дендритного дерева, равно как и более детальное изучение характеристик органического мемристора: в связи с выходом из строя последнего прибора, эксперименты пришлось приостановить. В дальнейшем также планируется изучение характеристик титановых мемристоров.



1. Largest neuronal network simulation achieved using K computer: RIKEN News & Media. — (Дата обр. 02.08.2013).
2. Chua L. O. Memristor — The Missing Circuit Element // IEEE Transactions on Circuit Theory. — 1971. — 5 сент.
3. Dmitri B. Strukov e. a. The missing memristor found // Nature. — 2008. — 1 мая. — Т 453.
4. K. V Egorov e. a. Complementary and bipolar regimes of resistive switching in TiN/HfO2/TiN stacks grown by atomic-layer deposition // physica status solidi (a). — 2015. — Апр.
5. Wang e. a. Robust memristors based on layered two-dimensional materials // Nature Electronics. — 2018. — Февр.
6. Xumeng Zhang e. a. An Artifical Neuron BAsed on a Threshold Switching Memristor // IEEE Electron Device Letters.
7. Zhongrui Wang e. a. Memristors with diffusive dynamics as synaptic emulators for neuromorphic computing // Nature Materials.
8. Lve. a. A neural network circuit with associative learning and forgetting process based on memristor neuromorphic device // IEEE Electron Device Letters. — 2017.— Окт.
9. M. Hansen e. a. A double barrier memristive device. // Scientific Reports.
10. Lai-Guo Wang e. a. Synaptic Plasticity and Learning Behaviors Mimicked in Single Inorganic Synapses of Pt/HfOx/ZnOx/TiN Memristive System//Nanoscale Research Letters.
11. Hao Jiang e. a. Sub-10 nm Ta Channel Responsible for Superior Performance of a HfO2 Memristor // Scientific Reports.
12. Demin e. a. Electrochemical model of the polyaniline based organic memristive device // Journal of Applied Physics. — 2014. — 14 авг.
13. Battistoni e. a. Spectrophotometric characterization of organic memristive devices // Organic Electronics. — 2016. — Нояб.
14. Allodi e. a. Effect of temperature on the electrical properties of an organic memristive device // Journal of Applied Physics. — 2010. — Окт.
15. C. Zhang e. a. Convertible resistive switching characteristics between memory switching and threshold switching in a single ferritin-based memristor. // Chemical Community.
16. Bo-Yun Kim e. a. Resistive Switching Memory Integrated with Nanogenerator for Self-Powered Bioimplantable Devices. // Materials Views.
17. Wang e. a. Fully memristive neural networks for pattern classification with unsupervised learning // Nature Electronics. — 2018. — Февр.
18. Serb e. a. Unsupervised learning in probabilistic neural networks with multi-state metal-oxide memristive synapses // Nature Communications. — 2016. — 29 сент.
19. A. V. Emelyanov e. a. First steps towards the realization of a double layer perceptron based on organic memristive devices // AIP Advances. — 2016. — Нояб.
20. Nace L. Golding e. a. Dendritic spikes as a mechanism for cooperative long-term potentiation // Nature.
21. Sonia Gasparini e. a. On the Initiation and Propagation of Dendritic Spikes in CA1 Pyramidal Neurons // he Journal of Neuroscience.
22. Federico Brandalise e. a. Dendritic NMDA spikes are necessary for timing-dependent associative LTP in CA3 pyramidal cells // Nature Communications.
23. Dopamine modulation via memristive schematic.
24. Hennequin e. a. Inhibitory Plasticity: Balance, Control, and Codependence // Annual Review of Neuroscience. — 2017.
25. Max Talanov e. a. Electronic schematic for bio-plausible dopamine neuromodulation of eSTDP and iSTDP


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ