本研究使用memristive和memcapacitive交叉阵列在低功耗机器学习加速器中实现了深度神经网络的共同设计框架。通过混合Python和PyTorch方法，在8层VGG网络上对CIFAR-10数据集进行训练，实现了卓越的准确率。此外，引入了一种新方法，使用OTA和电容器模拟meminductor设备，展示了可调节的行为。在晶体管级仿真和神经形态电路和CNN加速器中进行验证，取得了高准确率。该研究为高效和高性能的机器学习应用提供了先进的硬件解决方案。