[发明专利]一种细胞神经网络可调权值模块仿真方法

说明书

技术领域

本发明涉及神经网络与忆阻器的交叉学科领域，尤其涉及一种细胞神经网络可调权值模块仿真方法。

背景技术

细胞神经网络(Cellular Neural Network，CNN)是蔡少棠教授在1988年提出来的一种信息处理系统。和神经网络很类似，细胞神经网络是一种可以实时处理信号的大规模非线性模拟电路。细胞神经网络的基本结构电路单元被称为细胞,包括线性和非线性电路原件，通常是线性电容，线性电阻，线性和非线性受控源，和独立源。细胞神经网络的结构很像细胞自动机，也就是任何细胞只和它的相邻细胞相连。相邻细胞可以直接影响，并没有直接相连的细胞可能会通过网络的连续动态传播来彼此影响。

细胞神经网络的结构如图1所示，C(i,j)表示第i行第j列的细胞，在细胞神经网络中，所有细胞的结构都是相同的。网络中拥有(2r+1)²领域的细胞被称为内部细胞，其余的则是边界细胞。细胞神经网络具有控制模板和反馈模板，控制模板决定了输入信号对细胞状态的影响程度，反馈模板则决定了相邻细胞的输出对细胞C(i,j)的影响程度。因为细胞神经网络是基于电路实现的，所以对特定的神经网络，其模板权值是固定的，这样就限制了CNN的通用性。对于不同的应用，需要搭建不同的权值模板的电路结构。

目前细胞神经网络的突触通常是使用电阻，电容和晶体管电路实现。使用电阻实现细胞突触是一种静态行为，即一旦制备了这种突触结构就无法再对其进行改变，因此只能应用于非学习的场景。电容漏电特性导致它只能能短暂的保存突触权值，所以若使用其实现突触则需要按照一定频率动态的更新突触权值。除了电容和电阻，目前使用浮珊晶体管与模拟乘法器实现突触的尝试也取得了一定的成功，但是其在使用过程中存在着明显的非线性行为。

忆阻器是一种阻值可变的二端口电路元件，具有和电阻相同的量纲。1971年，蔡少棠教授从理论上证明了忆阻器的存在。2008年，惠普实验室的研究人员在Nature发文称实现了一种二氧化钛结构的忆阻器。随着惠普忆阻器的发现，使用忆阻突触实现细胞神经网络的突触权值成为了一种新的选择。忆阻器本身即是一种阻值可以调节且存储信息非易失的元件，所以相对于使用电阻，电容等实现的突触权值，使用忆阻器实现可以调节的细胞突触权值有着很大的应用前景。忆阻器具有和细胞突触权值极为相似的特性，即可以随着外加脉冲而改变并且当外加刺激消失后会保持已有状态不变。使用忆阻器实现细胞突触权值，可以实现对权值的可调节，同时不再需要传统突触权值电路的乘法器电路，从而使得网络规模缩小。但是现有技术中并没有发现基于忆阻器的细胞神经网络可调权值模块仿真方法。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种细胞神经网络可调权值模块仿真方法。

技术方案：本发明所述的细胞神经网络可调权值模块仿真方法包括以下步骤：

步骤1：搭建忆阻器的Simulink模型，具体包括：

1-1：使用Simulink的积分模块实现对忆阻器状态变量w(t)的积分，其中求解器采用ode45；

1-2：使用Simulink的自定义函数模块实现忆阻器窗函数其中，D是忆阻器的厚度参数，窗函数参数p为10；

1-3：使用Simulink的Gain模块实现其中，u_v为漂移速率，R_ON表示忆阻器全部掺杂时电阻值；

1-4：计算R_OFF-w(t)*ΔR，然后将结果传送到信号转换模块Simulink-Ps Convert转换为物理信号后输入到可变电阻模块，从而实现忆阻器阻值的变化；其中，R_OFF表示忆阻器全部非掺杂时电阻，ΔR表示R_OFF-R_ON；

步骤2：搭建细胞神经网络与忆阻器模块的信号转换电路，具体包括：

采用Simulink-Ps convert将信号转换为物理信号，然后将其输入SimScape的控制电压源，即可以获得SimScape电压源脉冲，从而实现将Simulink电压脉冲信号转换为SimScape信号的信号转换；

步骤3：在Simulink中，通过将忆阻器先并联再串联的方式搭建惠斯通电桥结构的忆阻突触电路；

步骤4：将使用Simulink搭建的忆阻突触电路封装后集成到细胞神经网络电路中，具体为：使用Simulink的Subsystem将忆阻桥突触电路封装成一个二端口的子系统，一个端口为电压源的输入端，一个为经过突触权值后的电流源输出端。