神经网络的训练涉及对权重矩阵的大量操作。 如果神经网络以硬件实现,则所有权重将并行更新。 但是,基于CMOS技术的神经网络在权重更新阶段面临许多挑战。 例如,激活函数和误差反向传播的推导使得难以在电路级实现,即使反向传播算法相当有效并且在神经网络中很流行。 本文设计了一种基于双重相同忆阻器的新型突触单元,并在此基础上提出了一种新的神经网络电路架构。 整个网络由硬件友好的重量同时扰动(WSP)算法训练。 基于WSP算法的神经网络的硬件实现只涉及前馈电路,不需要双向电路。 此外,仅需要两次正向计算就