[发明专利]存储器及用于基于存储器的类神经网络的训练方法

权利要求书

1.一种用于基于存储器的类神经网络的训练方法，包括：

取得一存储器的对应于一或多个影响因子的一或多个转换函数；

根据一理想状况及该一或多个影响因子决定一训练计划；

根据该训练计划及该一或多个转换函数，对该类神经网络进行训练，以得到经过训练的该类神经网络的多个权重；以及

根据这些权重编程该存储器。

2.根据权利要求1所述的训练方法，其中该一或多个影响因子包括温度、读写次数、输入电压、每次读取操作的变化、存储保持能力及写入误差。

3.根据权利要求1所述的训练方法，其中根据一理想状况及该一或多个影响因子决定一训练计划包括：

决定该理想状况的一第一训练次数，并更新该训练计划；

从该一或多个影响因子选择至少其中之一，决定对应于所选的各该一或多个影响因子的一第二训练次数，并更新训练计划。

4.根据权利要求1所述的训练方法，其中根据该训练计划及该一或多个转换函数，对该类神经网络进行训练，以得到经过训练的该类神经网络的多个权重中，执行针对决定的该影响因子的训练时，根据对应于决定的该影响因子的该一或多个转换函数、该类神经网络的多个突触的多个输入、这些突触的多个待训练的权重调整这些突触的多个输出。

5.根据权利要求3所述的训练方法，其中该训练计划中，对应于该理想状况的训练穿插配置于对应于该一或多个影响因子的训练之间。

6.一种存储器，包括：

多个存储单元，用于代表一类神经网络的多个突触，各该存储单元包括一电阻器，这些电阻器的电阻值根据以下方式决定：

取得这些存储单元的对应于一或多个影响因子的一或多个转换函数；

根据一理想状况及该一或多个影响因子决定一训练计划；

根据该训练计划及该一或多个转换函数，对该类神经网络进行训练，以得到经过训练的该类神经网络的这些突触的多个权重；以及

根据这些权重决定这些存储器胞的这些电阻器的电阻值。

7.根据权利要求6所述的存储器，其中该一或多个影响因子包括温度、读写次数、输入电压、每次读取的变化、存储保持能力及写入误差。

8.根据权利要求6所述的存储器，其中根据一理想状况及该一或多个影响因子决定一训练计划包括：

决定该理想状况的一第一训练次数，并更新该训练计划；

从该一或多个影响因子选择至少其中之一，决定对应于所选的各该一或多个影响因子的一第二训练次数，并更新训练计划。

9.根据权利要求6所述的存储器，其中根据该训练计划及该一或多个转换函数，对该类神经网络进行训练，以得到经过训练的该类神经网络的多个权重中，执行针对决定的该影响因子的训练时，根据对应于决定的该影响因子的该一或多个转换函数、该类神经网络的多个突触的多个输入、这些突触的多个待训练的权重调整这些突触的多个输出。

10.根据权利要求8所述的存储器，其中该训练计划中，对应于该理想状况的训练穿插配置于对应于该一或多个影响因子的训练之间。