[发明专利]忆阻神经网络及权值训练方法

说明书

本申请提供一种忆阻神经网络及权值训练方法，涉及神经网络技术领域。该忆阻神经网络可从硬件层面实现对区间类型数据的处理，而不仅仅局限于通过电脑仿真的高精度权值网络实现数据处理，从而有效避免了因实际硬件设备制作水平受限而导致权值网络精度较低，使得数据处理的准确性较低的问题。其次，采用忆阻器件组成忆阻突触单元，有效利用了忆阻器件体积小、功耗低、集成密度高等优势，从而便于后期进行嵌入式开发应用。另外，通过该训练方法确定忆阻神经网络的权值矩阵，可以通过调整组成各忆阻突触单元的忆阻器件的阻态，来使得忆阻神经网络具有该确定出的权值矩阵，从而使得忆阻神经网络的权值精确度较高，神经网络的样本识别精度较高。

技术领域

本发明涉及神经网络技术领域，具体而言，涉及一种忆阻神经网络及权值训练方法。

背景技术

区间类型数据是不确定信息的一种表达方式。由于测量设备本身的测量误差、环境噪声等因素的影响，测试获取的数据会存在很大的不确定性，例如，在电子侦察领域，对于频率捷变雷达等的侦察，在实际中其载频往往不能给出精确的单一的参数值；在医疗诊断领域，医学人体病理图像会存在模糊的情况；在语音识别领域，同一说话人由于感冒等因素造成的发音变化等等，上述不确定性在很多情况下可以表示成区间类型的形式。因此，开展区间类型数据的处理研究在军民等诸多领域均具有重要的研究意义。

现有技术中，对于区间类型数据的处理，通常采用矢量神经网络方法，在训练网络权值时常采用高精度数值计算或模拟高精度忆阻器的方式进行电脑仿真实现数据处理。

但是，受限于器件制备工艺水平，当前制备的忆阻器件阻值状态的可调能力远未达到期望的高精度，训练得到的网络权值精度较低，从而导致数据处理结果准确性较差。

发明内容

本发明的目的在于，针对上述现有技术中的不足，提供一种忆阻神经网络及权值训练方法，以便于解决现有技术中存在的神经网络权值矩阵精度较低，导致数据处理结果准确性较差的问题。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种忆阻神经网络，包括：第一神经元层、第二神经元层、第一权值网络和第二权值网络；其中，所述第一神经元层包括：k个神经元，所述第二神经元层包括：m个神经元；所述第一权值网络包括：第一忆阻突触阵列和第二忆阻突触阵列，所述第一忆阻突触阵列和所述第二忆阻突触阵列分别为n行k列的忆阻突触单元构成的忆阻突触阵列；所述第二权值网络包括：第三忆阻突触阵列和第四忆阻突触阵列，所述第三忆阻突触阵列和所述第四忆阻突触阵列分别为k行m列的忆阻突触单元构成的忆阻突触阵列；

所述第一忆阻突触阵列的n个行线分别用于接收n个第一边界电压，所述第二忆阻突触阵列的n行线分别用于接收n个第二边界电压，每个第一边界电压为一个输入区间数据对应输入电压区间的一个边界电压，每个第二边界电压为所述输入区间数据对应输入电压区间的另一个边界电压；所述第一忆阻突触阵列的k个列线分别连接所述k个神经元的第一输入端，所述第二忆阻突触阵列的k个列线分别连接所述k个神经元的第二输入端；

所述第三忆阻突触阵列的k个行线分别连接所述k个神经元的第一输出端，用以接收所述k个神经元输出的k个电压区间中的第三边界电压，所述第四忆阻突触阵列的k个行线分别连接所述k个神经元的第二输出端，用以接收所述k个神经元输出的k个电压区间中的第四边界电压；所述第三忆阻突触阵列的m个列线分别连接所述m个神经元的第一输入端，所述第四忆阻突触阵列的m个列线分别连接所述m个神经元的第二输入端；

所述m个神经元的输出端用于输出n个输入区间数据对应的m个输出电压区间，m个输出电压区间分别对应m个输出区间数据。

可选地，所述忆阻突触单元包括：至少两个忆阻器件和第一差分器件；所述至少两个忆阻器件的一端均连接对应的行线，所述至少两个忆阻器件的另一端分别连接所述差分器件的输入端，所述第一差分器件的输入端的个数与所述忆阻突触单元中忆阻器件的个数相同。