[发明专利]一种基于1T1R的卷积神经网络电路及其操作方法

权利要求书

1.一种基于1T1R的卷积神经网络电路，其特征在于，包括输入模块、卷积计算模块、池化计算模块和全连接计算模块；

所述输入模块、所述卷积计算模块、所述池化计算模块及所述全连接计算模块依次串行相连；

所述输入模块用于将图像模式信息中各像素点的像素值转化为相应的电压脉冲幅值，对其进行时序编码，并滑动输入到卷积神经网络中；

所述卷积计算模块用于基于1T1R阵列完成输入信息与卷积核的卷积计算；

所述池化计算模块用于基于1T1R阵列对卷积计算模块输出的结果进行池化；

所述全连接计算模块用于接受池化计算模块输出的池化结果，并基于1T1R阵列将池化结果进行整合，得到卷积神经网络计算结果；

所述卷积计算模块包括卷积核单元、参考单元、偏置单元和电流电压转换单元；

其中，所述卷积核单元由二维1T1R阵列构成，所述参考单元由一行电导值固定的1T1R器件构成，所述偏置单元由一列1T1R器件构成；所述偏置单元所在的字线和选择线分别与所述卷积核单元中最后一列1T1R器件所在的字线和选择线相连；所述参考单元所在的位线分别与卷积核单元中最后一行1T1R器件所在的位线相连；所述卷积核单元、所述参考单元和所述偏置单元共同构成一个新的二维1T1R阵列，该新组成的二维1T1R阵列所在的选择线连接在电流电压转换单元上；

所述卷积核单元用于保存卷积核，卷积核单元中有多个卷积核，其中，卷积核单元中二维1T1R阵列的行数与卷积核个数相等，卷积核单元中二维1T1R阵列的列数与卷积核大小的相等；

所述参考单元用于与卷积核单元中每一行的1T1R器件的电导值对应进行差分相减得到负电导，从而得到卷积核的负权重值；

所述偏置单元用于保存偏置值；

所述电流电压转换单元用于读取卷积计算后的电流结果，并将其转化为电压值，以实现网络的级联，将信息继续向后进行传输。

2.根据权利要求1所述的基于1T1R的卷积神经网络电路，其特征在于，所述参考单元中1T1R器件的电导值设定为最大和最小电导值的中间值。

3.根据权利要求1所述的基于1T1R的卷积神经网络电路，其特征在于，所述全连接计算模块中二维1T1R阵列的个数与全连接层中神经网络突触连接层的层数相等。