Full metadata record
DC FieldValueLanguage
dc.contributor.author藍正豐en_US
dc.contributor.authorLAN,ZHENG-FENGen_US
dc.contributor.author吳重雨en_US
dc.contributor.authorWU,CHONG-YUen_US
dc.date.accessioned2014-12-12T02:07:20Z-
dc.date.available2014-12-12T02:07:20Z-
dc.date.issued1989en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#NT782430138en_US
dc.identifier.urihttp://hdl.handle.net/11536/54752-
dc.description.abstract在本篇論文□,我們首先提出依據Grossberg 數學模型所製作的具學習能力之類神經 關連式記憶體。在這個數學模型□,包含了神經元狀態方程式、學習方程式和記憶方 程等三個方程式,而此模型乃利用相乘即相關性來做神經元狀態的改變與系統的學習 即改變神經鍵強度,而當學習完成之後,神經鍵強度即有高低不同值,但會隨時間逐 漸衰減,然而若所有神經鍵的衰減速度都一樣,則神經鍵與神經鍵之間的相對比例值 就可保持定值,這就是此模型能記憶的原理。為了能做出上述的記憶體,我們發展出 一個利用金氧半導體工作在次界區的新型電流型類比除法器,也就是說,除法器即為 記憶體所在,且它是不需脈波的。此外,亦做出一個利用金氧半導體工作在次臨界區 的新型電流型類比乘法器用以處理相關性。又利用電流流至電容可積分成為電壓來做 積分器,但因整個系統是以電流來做處理,所以再用半絕對值跨導式放大器將電壓轉 換成電流。另外利用柯希何夫電流定律做成類比加法電路。而輸入電路則做為輸入與 神經元間的緩衝器。完整電路已設計完成且以3.5 微米互補式金氧半導體製程技術製 造。整個系統運作已由 SPICE模擬驗証。我們發現此系統具有關連性、重新學習及多 重關連性的能力。此系統有自動學習,不需額外記憶體及不需額外控制脈波處理刷新 等優點,而缺點則為晶片面積大和錯誤容忍能力稍差。zh_TW
dc.language.isozh_TWen_US
dc.subject學習能力zh_TW
dc.subject類神經關連式記憶zh_TW
dc.subject神經元狀態方程式zh_TW
dc.subject學習方程式zh_TW
dc.subject記憶方程式zh_TW
dc.subject神經鍵強度zh_TW
dc.subject金氧半導體zh_TW
dc.title具學習能力之類神經關連式記憶體zh_TW
dc.typeThesisen_US
dc.contributor.department電子研究所zh_TW
Appears in Collections:Thesis