[发明专利]一种具有识别和排序功能的四字符忆阻神经网络电路

说明书

本发明提出了一种具有识别和排序功能的四字符忆阻神经网络电路，用于解决现有人工神经网络消耗大量计算力的技术问题。本发明包括字符识别模块、信号处理模块和收敛模块，字符识别模块的输入端分别与字符输入信号、时钟信号相连接，字符识别模块的输出端与信号处理模块的输入端相连接，信号处理模块的输出端与收敛模块的输入端相连接，收敛模块的输出端输出四字符忆阻神经网络电路的输出信号。本发明提出的Hopfield神经网络是由忆阻器构造的，以保证权值可以反复训练；权值可以用记忆电阻和运算放大器组成的突触电路来表示，以获取正突触权值和负突触权值；本发明能够同时识别和排序被噪音干扰的四个字符，并将最终结果收敛为单词的形式。

技术领域

本发明涉及数模电路的技术领域，尤其涉及一种具有识别和排序功能的四字符忆阻神经网络电路。

背景技术

人工神经网络是人工智能领域的一个研究热点，其在生物识别，预测估计，模式识别，机器人控制等方面显示出良好的智能特性。在基于冯·诺伊曼结构的传统数字计算机上构建一个类似人类大脑的机制是一项艰巨的任务。数字计算机通常按顺序处理信息，而大脑则并行处理信息。与数字计算机相比，生物大脑更灵活，更容易学习新事物。为了有效地实现生物大脑的功能，需要新的计算体系结构。

1971年，Chua教授创造性地提出了一种定义电荷与磁通关系的基本元件并将其命名为忆阻器。2008年，忆阻器被Strukov教授和其在惠普实验室的同事发明。忆阻器的记忆作用类似于生物神经系统中突触的功能。忆阻器因其纳米尺寸、非易失性以及与CMOS集成而更适合于电子突触。随后，许多研究表明，忆阻器可以作为电子突触，突触的权重可以用忆阻器的电导来表示。记忆电阻与神经网络的结合可以大大简化电路结构，优化信息处理能力。因此，忆阻器为突触硬件电路的设计提供了一种新技术。

传统的数字识别方法在有干扰的情况下不能很好地识别，而Hopfield神经网络的联想记忆功能在这方面有很大的优势。Hopfield神经网络和学习算法最早由美国物理学家霍普菲尔德于1982年提出，曾为人工神经网络的发展开辟了新的研究途径。此外，利用层次神经网络的不同结构特征和学习方法，对生物神经网络的记忆机制进行了模拟，得到了满意的结果。通过构建互补金属氧化物半导体电路作为突触，实现了具有大芯片面积和高功耗的Hopfield神经网络。基于忆阻的人工神经网络为图像识别技术的发展提供了基础，也有人提出了基于忆阻的联想记忆神经网络电路。基于忆阻的神经网络凭借其独有的优势，获得了极大地发展。

发明内容

针对现有人工神经网络依赖于冯·诺伊曼结构，需要消耗大量计算力的技术问题，因此，基于人工神经网络需要新的计算体系结构，本发明提出一种具有识别和排序功能的四字符忆阻神经网络电路，能同时对四个字母进行识别，并将最终结果收敛为单词WHAT的形式。

本发明的技术方案是这样实现的：

一种具有识别和排序功能的四字符忆阻神经网络电路，包括字符识别模块、信号处理模块和收敛模块，字符识别模块的输入端分别与字符输入信号、时钟信号相连接，字符识别模块的输出端与信号处理模块的输入端相连接，信号处理模块的输出端与收敛模块的输入端相连接，收敛模块的输出端输出四字符忆阻神经网络电路的输出信号；所述字符识别模块包括迭代子模块和计算子模块，迭代子模块的输入端分别与字符输入信号、时钟信号相连接，迭代子模块的输出端与计算子模块的输入端相连接，计算子模块的输出端分别与信号处理模块的输入端、反馈放大器的输入端相连接，反馈放大器的输出端与迭代子模块的输入端相连接。