一种基于浮栅NMOS晶体管的可编程神经网络芯片的设计和应用

王阳; 李志坚; 石秉学

您当前的位置：

首页 >

文章列表页 >

一种基于浮栅NMOS晶体管的可编程神经网络芯片的设计和应用

更新时间：2025-12-08

- 一种基于浮栅NMOS晶体管的可编程神经网络芯片的设计和应用
- Design and Applications of programmable Neural Network Chip with Floating Gate NMOS Transistors
- 电子学报 1992年第10期页码：50-55
- 作者机构：
  
  1.   北京大学微电子学研究所
  2.   清华大学微电子学研究所
  3.   清华大学微电子学研究所北京100871
  4.   北京100084
- 作者简介：
- 基金信息：
  
  国家自然科学基金(61701067;61702065)
- DOI：
  中图分类号：
- 纸质出版：1992
- 稿件说明：
移动端阅览
[1]王阳,李志坚,石秉学.一种基于浮栅NMOS晶体管的可编程神经网络芯片的设计和应用[J].电子学报,1992(10):50-55.

Wang Yang. Design and Applications of programmable Neural Network Chip with Floating Gate NMOS Transistors[J]. Acta Electronica Sinica, 1992, (10): 50-55.
[1]王阳,李志坚,石秉学.一种基于浮栅NMOS晶体管的可编程神经网络芯片的设计和应用[J].电子学报,1992(10):50-55. DOI：

Wang Yang. Design and Applications of programmable Neural Network Chip with Floating Gate NMOS Transistors[J]. Acta Electronica Sinica, 1992, (10): 50-55. DOI：

摘要

本文设计了一种浮栅NMOS晶体管神经网络

其结构简单、占用芯片面积小、连接强度可连续调整

同时

还具有分布神经元结构特点

可级联成大网络.用3μm浮栅NMOS工艺制造出的8×8全互连神经网络芯片

它有128个可编程浮栅NMOS晶体管

相当于8个神经元构成的全互连网络.以阿拉伯数字识别和二值图象处理为例

研究结果表明

该网络具有实用前景

且有很大灵活性

同时由于结构简单和适合集成电路工艺特点而便于制造。

Abstract

A neural network with floating gate transistors has been designed. It has the features of continuously changed weights

simple structure

small size units

etc. These chips can be cascaded to form a large network due to characteristics of distributed neuron structure. Therefore

this network is feasible for various applications. 8×8 full interconnected neural network chip has been fabricated in 3μm floating gate NMOS process. It is composed of 128 programmable floatimg gate NMOS transistors

which corresponds to full interconnected network with 8 neurons. The specific applications for the chip has been studied as digit recognition and binary image processing. The results demonstrate that it has prospects of actual applications and large flexibility. In addition

it is easy to be fabricated since the structure is simple and suitable for IC process.

关键词

Keywords

references

浏览量

112

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于人工神经网络的压力传感器的温度补偿

声音转换技术的研究与进展

免疫进化子波网络及其学习算法

电流模式模拟信号处理的进展与展望