主要研究内容：

该成果立足于人工神经网络和电子学的研究前沿，将脉冲时间依赖的可塑性学习规则和忆阻器相融合，构建了接近人脑的忆阻神经形态系统，能在未知环境下智能处理外界信息，包括：

构建了带脉冲时间窗口的脉冲微分系统，发展了非线性系统的稳定性理论；设计了一系列新型忆阻器模型及其混沌电路实现方案，较好地模拟实际忆阻器行为。

构建了基于纳米忆阻器件及组合电路的存储与智能运算系统，实现了二值、多值及模拟信息存储；取得了多种忆阻神经网络模型的系列成果。

发展了非线性函数重构准则和非线性卡尔曼滤波器，实现了信号的实时检测以及未知环境的智能分析与处理。

科学发现点与科学价值：

针对非线性系统的扰动和固有时延，拓展性地构造了脉冲时滞微分系统及其稳定性条件。首次实现廖-混沌系统的硬件电路。在忆阻系统方面，设计了基于纳米忆阻器件的混沌和超混沌系统，开创了混沌系统的微纳电子电路实现新方案。

率先研究了多忆阻器组合电路，首次发现了组合忆阻电路从瞬态到稳态的条件。实现了信息的忆阻存储，为下一代存储技术及未来计算机的研发提供理论及实验依据。针对细胞神经网络电路实现难的问题，利用纳米忆阻器研发了可编程模块；引入生物细胞的可塑性学习规则，构建了新型忆阻细胞神经网络。

基于高效的数值积分方法设计了球体单纯形径向容积卡尔曼滤波器，缓解了状态估计的维数灾难问题，并设计了稳定平方根卡尔曼信息滤波器，提高了其实用价值。为解决先验信息丢失的情况，采用核技巧实现了脉冲噪声下系统辨识。

同行引用及评价：

该研究的8篇代表论文被他引134次，单篇他引最高33次。其中，代表性论文7被评为2015中国科学三年高引用论文；代表性论文1被评为IEEE TNNLS 2015“Popular paper”，被引用次33次。被忆阻器提出者Leon Chua(IEEE Life Fellow)等国际著名专家作为典型的忆阻神经网络及实现方案引用。Janusz A. Starzyk等在IEEE TCAS-I评价代表性论文7“提出了一种基于忆阻交叉阵列的图像存储新方法，具有大规模实现的优势”。Ivan Petrovi和Henry Leung教授(IEEE Fellow)分别在Automatic(IF=5.451)和IEEE TAC(IF=4.270)上指出代表性论文2和3提出的方法“具有高稳定性和高精度”。

1. 下载详细PDF版/Doc版

提示：为方便大家复制编辑，博主已将PDF文件制作为Word/Doc格式文件。