[发明专利]基于忆阻器的神经网络的训练装置及其训练方法有效
| 申请号： | 201711422918.5 | 申请日： | 2017-12-25 |
| 公开（公告）号： | CN108009640B | 公开（公告）日： | 2020-04-28 |
| 发明（设计）人： | 张清天;吴华强;姚鹏;章文强;高滨;钱鹤 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G11C13/00 |
| 代理公司： | 北京市柳沈律师事务所 11105 | 代理人： | 彭久云 |
| 地址： | 10008*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于忆阻器的神经网络的训练装置及其训练方法。该神经网络包括逐一连接的N层神经元层，该训练方法包括：将输入数据输入神经网络的第一层神经元层以在第N层神经元层输出神经网络的输出结果，并计算第N层神经元层的输出误差；将第N层神经元层的输出误差逐层反向传播以修正各个神经元层之间的权重参数；其中，在逐层反向传播的过程中，将第m层神经元层的输出误差进行三值化处理操作，将与三值化处理操作的输出结果对应的电压信号反向输入至第m层神经元层，对第m层神经元层的权重参数进行修正；其中，N为大于等于3的整数，m为大于1且小于N的整数。该训练方法提高了基于忆阻器的神经网络的计算能力。 | ||
| 搜索关键词： | 基于 忆阻器 神经网络 训练 装置 及其 方法 | ||
【主权项】：
1.一种基于忆阻器的神经网络的训练方法，所述神经网络包括逐一连接的N层神经元层，包括：将输入数据输入所述神经网络的第一层神经元层以在第N层神经元层输出所述神经网络的输出结果，并计算第N层神经元层的输出误差；将所述第N层神经元层的输出误差逐层反向传播以修正各个神经元层之间的权重参数；其中，在逐层反向传播的过程中，将所述第m层神经元层的输出误差进行三值化处理操作，将与所述三值化处理操作的输出结果对应的电压信号反向输入至所述第m层神经元层，对所述第m层神经元层的权重参数进行修正；其中，N为大于等于3的整数，m为大于1且小于N的整数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711422918.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种土壤修复装置
- 下一篇：一种黑番茄即食浓缩浆及其制备方法
