[发明专利]一种基于非易失存储器的卷积神经网络片上学习系统有效
| 申请号： | 201811058657.8 | 申请日： | 2018-09-11 |
| 公开（公告）号： | CN109460817B | 公开（公告）日： | 2021-08-03 |
| 发明（设计）人： | 缪向水;潘文谦;李祎 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063 |
| 代理公司： | 华中科技大学专利中心 42201 | 代理人： | 曹葆青;李智 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于非易失存储器的卷积神经网络片上学习系统，包括：输入模块、卷积神经网络模块、输出模块以及权重更新模块。卷积神经网络模块的片上学习利用忆阻器电导随着施加脉冲进行改变的特性实现突触功能，卷积核值或突触权重值储存在忆阻单元中；输入模块将输入信号转换成卷积神经网络模块所需的电压信号；卷积神经网络模块将输入电压信号经过逐层计算转换，并将结果传入输出模块得到网络的输出；权重更新模块根据输出模块的结果调整卷积神经网络模块中忆阻器的电导值，实现网络卷积核值或突触权重值的更新。本发明旨在实现卷积神经网络的片上学习，实现了数据的在线处理，基于网络的高度并行性实现了速度快功耗低，硬件成本低的需求。 | ||
| 搜索关键词： | 一种 基于 非易失 存储器 卷积 神经网络 学习 系统 | ||
【主权项】：
1.一种基于非易失存储器的卷积神经网络片上学习系统，其特征在于，包括：输入模块、卷积神经网络模块、输出模块以及权重更新模块；所述输入模块将输入信号转换成卷积神经网络模块所需的输入电压脉冲信号后传入所述卷积神经网络模块；所述卷积神经网络模块对输入信号对应的输入电压脉冲信号经过逐层计算转换以完成片上学习得到输出信号，其利用忆阻器件的电导随着施加脉冲进行改变的电导调制特性实现突触功能，片上学习过程中用到的网络卷积核值或突触权重值储存在忆阻器件中；所述输出模块将所述卷积神经网络模块产生的输出信号转换并发送给所述权重更新模块；所述权重更新模块根据输出模块的结果来计算误差信号和调整忆阻器件的电导值，实现网络卷积核值或突触权重值的更新。
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华中科技大学，未经华中科技大学许可，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/201811058657.8/，转载请声明来源钻瓜专利网。
