[发明专利]基于径向基函数的控制装置

说明书

本发明提供了基于径向基函数的控制装置，包括：预处理模块，所述预处理模块将输入的钟形函数转换为发散函数，并送至电流电压参数至径向基函数模块；径向基函数模块，所述径向基函数模块结合获取预处理模块的电流电压参数后，施加差动电压以改变径向基函数的形态或调整参考电流源的电源来调节径向基函数的高度；以及径向基函数神经网络分流器，所述径向基函数神经网络分流器用于接收径向基函数模块调整之后的径向基函数，并控制分流器工作在模拟/数码混合模式，本发明能够实现低面积，低功率径向基函数神经网的设计，并且还可以做广范围的径向基函数神经网的操作，达到使用低面积，低功率的技术效果。

技术领域

本发明涉及数据处理领域，尤其涉及基于径向基函数的控制装置。

背景技术

目前，径向基函数在多个领域中被使用，特别是作为分类器(classifier)，由于准确度高和学习速度快，这在最常用的径向基函数神经网分类器里是必不可少的。该分类器的硬件具体由模拟，数码，模拟/数码混合模式三种组成。

模拟实现法作为神经网络的核心很难给予学习强度上的改变。由于学习只能离线学习，所以没有接受新的物体并分类学习的功能而且操作速度缓慢。相反能够获得面积和功率低消耗的设计。

数码实现法虽然速度快而且可以进行在线学习，但却有消耗大面积高功率的缺点。

模拟/数码混合模式实现法旨在为了获得上述两个实现法的全部优点，使得神经网络的前馈网络(feedforward)作为模拟，且为了用于学习的反馈网络(feedback)用数码实现的方法。通过这样的方法虽然可以克服上述的缺点，但是为了混合模式，调节匹配数码模块和模拟模块间的运转速度差异就是关键。另外，为了最大限度的发挥上述的优点，需要低功率低面积的电路，并且为了实现高性能必须要拥有径向基函数的控制能力，但是现有的电路不能给予这样的支持。

现有的径向基函数神经网分类器硬件为了减少功率的消耗而使用少量的电流。然而随着元件的尺寸变小并在各种app上被应用，它受到类似供给电源的变动或者温度波动这样的周边环境变化极大。这是致命的，因为会引起径向基函数形态变化，导致性能下降。

有鉴于此，针对现有技术的不足之处，提出基于径向基函数的控制装置来解决上述问题。

发明内容

本发明的目的在于提供基于径向基函数的控制装置，包括发散函数的预处理模块，径向基函数模块以及径向基函数神经网络分流器，使得本发明可以不受供给电源和外部因素引起的少量电压和电流变化的影响，能够实现低面积，低功率径向基函数神经网的设计，并且还可以做广范围的径向基函数神经网的操作，达到使用低面积，低功率的技术效果。

本发明采用的技术是：

基于径向基函数的控制装置，包括

预处理模块，所述预处理模块将输入的钟形函数转换为发散函数，并送至电流电压参数至径向基函数模块；

径向基函数模块，所述径向基函数模块结合获取预处理模块的电流电压参数后，施加差动电压以改变径向基函数的形态或调整参考电流源的电源来调节径向基函数的高度；

以及径向基函数神经网络分流器，所述径向基函数神经网络分流器用于接收径向基函数模块调整之后的径向基函数，并控制分流器工作在模拟/数码混合模式。

在本发明的一个优选实施例中，所述预处理模块包括多路复用器，与所述多路复用器的输出端连接的电平移位器和比值器。

在本发明的一个优选实施例中，所述多路复用器用于接受输入的电压，并将输出的电压一路送至径向基函数模块，一路通过比值器通过送至电平移位器，再一路直接送至电平移位器。

在本发明的一个优选实施例中，所述径向基函数模块还包括若干组MOS开关和多路复用器，通过MOS开关改变多路复用器，进而调整径向基函数的倾斜度。