一种基于竞争学习机制的忆阻神经网络电路

本发明公开了一种基于竞争学习机制的忆阻神经网络电路，它包括正向计算模块和反向调节模块。其中，正向计算模块由忆阻交叉阵列模块与泄露积分和放电模块组成，反向调节模块由权重调节模块组成。正向计算模块通过赢者通吃算法实现两个神经元之间的横向抑制和竞争激活，对于每次输入，只有一个神经元竞争成功然后产生输出信号。反向调节模块通过赫布学习规则进行神经元权重调节，实现自学习，它接收正向计算模块的输出信号，然后产生调节信号给正向计算模块，对获胜神经元的权重进行调节。因此，本发明提出的基于竞争学习机制的忆阻神经网络电路能够对输入数据进行学习，并在学习完成后对输入数据进行分类。