[发明专利]一种亚谐波注入型振荡器网络

说明书

一种亚谐波注入型振荡器网络，包括至少两个振荡器、至少一个耦合单元和亚谐波产生模块，振荡器通过耦合单元两两耦合。亚谐波产生模块用于产生亚谐波信号并将该亚谐波信号注入给每个振荡器，得到每个振荡器的两个相位相差180度的稳定点，该亚谐波信号的频率为振荡器固有振荡信号的二次谐波的频率；耦合单元用于根据待识别图像和存储图像分别对应的耦合系数矩阵对振荡器进行耦合并控制振荡器的相位，以使其耦合的两个振荡器的相位分别从初始值稳定至各自的两个稳定点中的一个。由于对每个振荡器注入了二次谐波，使得每个振荡器的频率跟随该二次谐波的频率的一半，从而使振荡器的频率得到统一，进而得到稳定的相位输出，获得较好的图像识别效果。

技术领域

本发明涉及人工智能技术领域，具体涉及一种亚谐波注入型振荡器网络。

背景技术

近年来，随着人工智能的迅速崛起，非冯〃诺依曼结构的计算机，特别是类脑计算机在人工智能领域获得了越来越多的关注，相比于传统的计算机，它们在识别和分类等智能应用方面展现出了更为高效和实时的优势，其中一个重要的应用便是图像识别。在图像识别方面，振荡器神经网络是一种具有高并行性的神经形态计算电路，它利用了耦合振荡器间同步的性质，将信息存储在振荡器对应的相位中，能够高效地完成图像识别和联想记忆等计算问题。

目前，振荡器神经网络可以通过振荡器耦合来建立，以形成结构紧凑的振荡网络，但对于耦合的振荡器而言，它们的频率会受到相互之间注入的耦合电流大小的影响，特别是当存储的图像不正交时，振荡器间会因为工艺偏差和相互之间注入的耦合电流大小的不同而产生较大的频率偏差，从而不能很好地统一振荡器间的频率，以至于无法得到稳定的相位输出，严重影响了图像识别的效果。

发明内容

本申请提供一种亚谐波注入型振荡器网络，以统一振荡器网络中各振荡器的频率，得到稳定的相位输出，实现较好的图像识别效果。

一种实施例中提供一种亚谐波注入型振荡器网络，包括至少两个振荡器、至少一个耦合单元和亚谐波产生模块，其中，任意两个所述振荡器通过一个所述耦合单元耦合；

所述振荡器用于产生振荡信号；

所述亚谐波产生模块用于产生亚谐波信号，并将该亚谐波信号注入到每一个振荡器与耦合单元的耦合点，得到每一个振荡器的两个稳定点，该亚谐波信号的频率为振荡器固有振荡信号的二次谐波的频率，所述两个稳定点的相位差为180度；

所述耦合单元用于根据待识别图像和存储图像分别对应的耦合系数矩阵对与其连接的振荡器进行耦合，并控制该振荡器的相位，以使其耦合的两个振荡器的相位分别从初始值稳定至各自的两个稳定点中的一个。

依据上述实施例的亚谐波注入型振荡器网络，由于对振荡器网络中的每一个振荡器注入了二次谐波，该二次谐波的注入可以使每一个振荡器的频率跟随该二次谐波的频率的一半，从而锁定每一个振荡器的频率，使每一个振荡器的相位与亚谐波信号相位的一半的差值存在两个相距为π弧度的能量最低点，即得到每一个振荡器的两个稳定点，这时，耦合单元在根据待识别图像和存储图像分别对应的耦合系数矩阵对与其连接的两个振荡器进行耦合和相位控制时，便可将这两个振荡器的相位分别稳定到这两个稳定点中的一个，从而得到稳定的相位输出，进而获得较好的图像识别效果。

附图说明

图1为现有技术中振荡器神经网络的电路结构示意图；

图2为本发明实施例提供的一种亚谐波注入型振荡器网络的结构示意图；

图3为本发明实施例中相互耦合的两个振荡器的耦合结构示意图；

图4a和图4b分别为本发明实施例中两张存储图像及待识别图像的示意图；

图5a为本发明实施例中存储图像为两张时传统振荡器神经网络的相位变化结果；

图5b为本发明实施例中存储图像为两张时亚谐波注入型振荡器网络的相位变化结果；