شبکه های عصبی سلولی، ‏‎cellular neural networks‎‏ سیستمهای پردازشگری هستند، که با استفاده از مدارهای آنالوگ غیرخطی در مقیاس بزرگ، سیگنالهای آنالوگ را پردازش می کنند. مهمترین کاربرد شبکه های ‏‎cnn‎‏ در پردازش تصویر و تشخیص الگو می باشد. برتری ‏‎cnn‎‏ در پردازش سطح پایین تصویر نسبت به سیستمهای پردازشگر تصویر دیجیتال رایج به خاطر دو ویژگی این شبکه است. این ویژگی ها عبارتند از: پردازش موازی سیگنال آنالوگ تصویر بصورت ‏‎real time‎‏ و همچنین اتصال مقطعی یا ‏‎‏‏‎local‎‏ سلولهای شبکه که باعث راحتی ساخت شبکه های ‏‎cnn‎‏ با فن آوری ‏‎vlsi‎‏ بر روی تراشه می شود. در این پایان نامه به طراحی و شبیه سازی یک ‏‎ic‎‏ شبکه عصبی سلولی پرداخته می شود. سلولهای ‏‎ic‎‏ شبکه عصبی با مدل ‏‎full signal rnage‎‏ طراحی شده اند. ایده جدیدی در طراحی مدار سلولهای شبکه بکار گرفته شده است که بوسیله آن تعداد سیناپسهای شبکه به نصف کاهش پیدا کرده و این باعث صرفه جویی فوق العاده ای در سطح چیپ شده است. پارامترهای برنامه ریزی کننده یا وزنهای شبکه که به خاطر راحتی ذخیره آنها در چیپ، دیجیتالی می باشند از طریق طبقاتی تحت عنوان ‏‎weight tuning stage‎‏ به شکل سیگنالهای آنالوگی از جنس ولتاژ درآمده و به سیناپسهای شبکه اعمال می شوند. ساختار مداری سیناپسها به همراه طبقات ‏‎wts‎‏ بگونه ای هستند که اتلاف توان و تاثیر پارامترهای تکنولوژیکی پروسس بر روی عملکرد آرایه سلولها کمترین مقدار ممکن را دارا هستند. در نهایت یک ‏‎cnn‎‏ قابل برنامه ریزی در پروسه ‏‎0.5um‎‏ طراحی و شبیه سازی شده است که می تواند در چند دهم میکروثانیه هر تصویری را پردازش کند. این ‏‎ic‎‏ که توانی برابر با ‏‎3.26mw‎‏ را مصرف می کند دارای چگالی ‏‎89cells/mm2‎‏ می باشد که ‏‎layout‎‏ آن در سطحی برابر ‏‎0.28mm2‎‏ را اشغال می کند.