1.一种实现原-异位训练的GRU神经网络电路,其特征在于,所述电路包括3个M+N+1行M列个忆阻器构成的阵列,以及多个模拟乘法器和加法器,其中:每个忆阻器阵列的下方均连接有由电阻R对于左边的忆阻器阵列,每列输出电压经过反向比例电路后输出电压Γ右边忆阻器阵列的每列输出电压经过反向比例电路后输出的电压C′前一时刻电压
同时前一时刻电压
最终加法器输出的电压
2.根据权利要求1所述实现原-异位训练的GRU神经网络电路,其特征在于,所述忆阻器阵列采用交叉杆结构,电路横向输入电压共有M+N+1个,分别是:N个当前时刻输入电压V每个横向输入电压经过纵列的电阻R纵列的电阻R
通过每一列底端的运放和电阻R
3.根据权利要求1所述实现原-异位训练的GRU神经网络电路,其特征在于,所述电路还外接有电导调整电路,该电导调整电路包括:每个纵向电压V
运放U
运放U
所述电导调整电路根据忆阻器阵列的交叉杆结构形成的横向导通通路,逐行逐个的调整每个忆阻器的电导,具体来说:当电导调整电路接在第一行的忆阻器阵列时,先对纵向电压V当施加的纵向电压V
如此循环,实现权重矩阵到忆阻器阵列的映射。
4.根据权利要求1所述实现原-异位训练的GRU神经网络电路,其特征在于,在所述GRU神经网络电路的后端还连接有全连接层阵列电路,其中:所述全连接层阵列电路的横向输入电压a通过在所述GRU神经网络电路的忆阻器阵列的后端增加两个电阻R其中,X为纵向电压数,根据实际应用需求进行设定。