当前，人类社会正在从信息化发展到情报。知识社会需要一个高效且智能的信息感知系统，以有效地对其感测到的大量信息进行筛选，处理和决策，并有效过滤重复且无意义的信息。
因此，基于生物感觉神经系统的功能特征，构建具有生物现实性的高效智能信息感知系统将是重要的发展趋势。近日，中国科学院微电子学研究所微电子学重点实验室刘明院士团队构建并提出了一种具有记忆习性的基于忆阻器的人工感觉神经系统，并运用了习性的生物学学习规律。
构建可以应用于机器人的机器人。惯性脉冲神经网络用于自主巡航和避障。
该研究小组基于莫特忆阻器和传感器构建了一个感觉神经元。神经元可以感知外部模拟信号并将其转换为实时动态脉冲信号，从而实现感知和传输外部信号的基本功能。
传感神经元通过突触装置进一步连接到中继神经元，以构建习惯性感知系统。突触装置在连续刺激下具有惯性的权重变化趋势，进而影响感觉神经元信号向中继神经元的传递效率，因此中继神经元的输出表现出频率降低的特性（即习惯性特性，如图所示）。
在图中）。一种）。
基于这种适应性特征，团队进一步构建了适应性脉冲神经网络，以实现机器人的避障功能。测试结果表明，基于习惯学习规则构造的基于忆阻器的人工感觉神经系统可以有效提高机器人的避障效率。
习惯性感觉神经系统也可以通过不同的传感器应用于不同的感觉系统，例如气味，味道，视觉，听觉等。通过实现生物现实的感知系统，期望实现更加生物智能的终端系统。
一种。基于忆阻器的习惯感觉神经系统和系统响应特性的示意图。
b。基于忆阻器的惯性脉冲神经网络在提高机器人避障效率方面的验证。