新書推薦：
《
骰子世界
》
售價：HK$
57.3
《
乾隆的百宝箱：清宫宝藏与京城时尚
》
售價：HK$
135.7
《
工程机械手册——农林牧渔机械
》
售價：HK$
457.7
《
夜幕之下（5、6套装）
》
售價：HK$
126.5
《
国际艺术品市场A-Z：风俗、习惯和惯例的基本指南
》
售價：HK$
78.2
《
忧伤的群岛：查戈斯人的流散与抗争
》
售價：HK$
90.9
《
现代自建小别墅VR效果图 实用的自建小别墅指南 帮你解决设计难题
》
售價：HK$
156.4
《
迷人的珊瑚礁（迷人的科学丛书）
》
售價：HK$
124.2
|
| 內容簡介： |
|
《忆阻类脑计算》阐述基于忆阻器的神经网络设计与实现，主要包括基于忆阻器的仿生突触与仿生神经元实现方案、采用模拟值和脉冲编码的神经网络算法原理与忆阻交叉阵列实现方案、卷积神经网络算法原理与忆阻交叉阵列实现方案、全光神经网络算法原理与基于忆阻器光学特性的实现方案、忆阻阵列在稀疏编码等其他与神经网络架构相似的应用实现等内容。
|
| 目錄：
|
|
目录“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11.1 类脑计算11.1.1 学习与泛化11.1.2 存算一体21.1.3 高能效31.2 类脑计算：为什么是忆阻器41.2.1 突触可塑性：类脑计算的物理基础41.2.2 忆阻器：天然的突触51.3 类脑计算的发展简史111.3.1 **代：感知器111.3.2 第二代：引入非线性的多层感知器121.3.3 第三代：从模拟计算到神经形态计算131.4 本书章节安排131.5 思考题15参考文献16第2章 忆阻突触172.1 离子迁移型172.1.1 导电桥型182.1.2 氧化物型202.1.3 固态电解质型232.2 相变型262.2.1 晶-非晶相变262.2.2 莫特相变292.3 铁电型322.3.1 基本原理322.3.2 常用铁电材料362.3.3 常用器件结构392.4 忆阻突触阵列412.4.1 潜行通路问题及解决方案422.4.2 多核结构452.4.3 三维堆叠462.5 本章小结482.6 思考题49参考文献49第3章 忆阻神经元533.1 神经元简介533.1.1 生物神经元533.1.2 神经元的简化模型583.2 基于非易失的相变材料623.2.1 设计思想623.2.2 相变神经元的电路实现633.2.3 辅助电路653.3 基于易失的阈值转换材料673.3.1 设计原理673.3.2 阈值转换常见机理及其神经元693.4 本章小结773.5 思考题78参考文献78第4章 人工神经网络的监督学习804.1 单层神经网络804.1.1 算法原理804.1.2 基于1T1M的突触阵列：人脸识别884.1.3 基于忆阻器差分对的突触阵列：三宫格识别944.2 深度神经网络974.2.1 算法原理974.2.2 反向传播的忆阻交叉阵列实现994.2.3 忆阻突触的非理想效应与对策1034.3 本章小结1104.4 思考题112参考文献113第5章 脉冲神经网络的监督学习1155.1 脉冲传播1155.1.1 算法原理1155.1.2 权重更新：隐藏层到输出层1165.1.3 权重更新：输入层到隐藏层1215.1.4 操作流程1235.1.5 异或问题应用1255.1.6 问题与改进方案(1)1265.1.7 问题与改进方案(2)1275.2 远程监督方法1305.2.1 算法原理1315.2.2 基于互补器件的电路实现1325.2.3 器件非理想效应及解决方案1365.3 本章小结1385.4 思考题139参考文献140第6章 人工神经网络的非监督学习1416.1 寻找隐藏的数据结构1416.2 若干算法1426.2.1 竞争学习1426.2.2 期望-最大化1436.3 本章小结1466.4 思考题146参考文献146第7章 脉冲神经网络的非监督学习1477.1 赫布法则1477.2 STDP变种11507.2.1 忆阻突触实现1507.2.2 神经网络应用：图像识别1527.3 STDP变种21577.3.1 忆阻突触实现1577.3.2 应用：DVS与运动轨迹识别1587.3.3 忆阻突触电导方差对网络性能影响1617.4 本章小结1637.5 思考题164参考文献165第8章 深度强化学习1678.1 强化学习简介1678.2 基于模拟值的深度Q值网络1688.2.1 吃还是不吃？这是个问题1688.2.2 Bellman方程1698.2.3 Bellman方程求解1738.2.4 深度Q值网络1778.2.5 若干优化技术1798.2.6 忆阻突触阵列实现1828.3 基于脉冲的深度Q值网络1848.3.1 脉冲Q值学习1858.3.2 策略迁移1868.4 本章小结1868.5 思考题188参考文献188第9章 卷积神经网络1899.1 基本原理1909.1.1 特征提取：**层卷积核1909.1.2 特征提取：池化1919.1.3 特征提取：后续层卷积核1919.1.4 分类：拍平与全连接1929.2 二维忆阻阵列实现1929.2.1 负权重的电路实现1959.2.2 激活函数的电路实现1969.2.3 平均池化的电路实现1979.2.4 三维卷积核运算的电路实现1989.2.5 权重更新的电路实现1989.2.6 卷积的并行实现2009.2.7 忆阻突触阵列的非理想效应2019.2.8 芯片级体系结构2039.3 三维忆阻阵列实现2039.3.1 设计理念2039.3.2 设计与实现实例2059.4 本章小结2089.5 思考题209参考文献209第10章 贝叶斯神经网络21010.1 不确定性来源与量化21010.1.1 乳腺肿瘤数据：标签交叠区难题21110.1.2 贝叶斯神经网络：量化不确定度21310.2 随机失效突触技术21410.2.1 随机失效神经元/突触技术简介21410.2.2 随机失效突触与贝叶斯神经网络的等价性21710.2.3 蒙特卡罗-随机失效突触技术的优缺点21910.3 基于阈值转换器件的硬件实现21910.3.1 基于OTS的随机突触22010.3.2 新冠肺炎胸片诊断：量化不确定度22210.4 本章小结22710.5 思考题227参考文献228第11章 全光神经网络22911.1 光学突触器件原理22911.2 基于集成光感器件的卷积神经网络23411.2.1 波分复用与光频梳：高并行的光信息处理23411.2.2 全光卷积神经网络设计23511.3 本章小结23611.4 思考题237参考文献237第12章 其他应用23812.1 稀疏编码23812.1.1 原理23812.1.2 神经网络方案23912.1.3 忆阻交叉阵列实现24212.2 主成分分析24412.2.1 原理24512.2.2 忆阻交叉阵列实现24912.3 偏微分方程求解25512.3.1 原理25512.3.2 忆阻交叉阵列实现25812.3.3 问题与改进方案26412.4 本章小结26412.5 思考题266参考文献267
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
