处理设备、处理方法及神经网络分类器技术

本公开提供一种处理设备、处理方法以及神经网络分类器。该处理设备包括输入电压补偿装置和阻变交叉点阵列。输入电压补偿装置被配置为通过使用多个第一补偿因子对输入的多个第一电压信号进行补偿以得到多个第二电压信号，并将多个第二电压信号施加到阻变交叉点阵列。阻变交叉点阵列包括多条位线、多条字线以及多个阻变单元，阻变交叉点阵列被配置为基于施加到多个字线的多个第二电压信号和多个阻变单元得到多个第一电流信号。该处理设备可以避免受到导线寄生电阻和潜泄通路问题的影响的情况下矩阵运算结果的失真，以及由此引发的神经网络推断结果的失真。

【技术实现步骤摘要】
处理设备、处理方法及神经网络分类器
本公开涉及处理设备、处理方法及神经网络分类器。
技术介绍
深度神经网络技术在诸如图像识别、语音识别和自然语言处理等的各种领域都取得了重要的进展。在深度神经网络的推断和训练过程中，通过将矩阵元素映射成阻变交叉点阵列电导值的方式，可以通过阻变交叉点阵列高效地实现向量-矩阵乘法运算，从而能够极大地加速深度神经网络的推断和训练过程。具体地，对阻变交叉点阵列施加并行输入电压，利用欧姆定律和基尔霍夫定律，输出电流即为相应向量-矩阵乘法运算的结果。然而，在以阻变交叉点阵列为核心的类脑计算系统中，阻变交叉点阵列的规模与系统的硬件开销息息相关。阻变交叉点阵列的规模越小，系统所需要的数模转换电路和模数转换电路的开销越大。受到导线寄生电阻和潜泄通路问题(sneakpathproblem)的影响，阻变交叉点阵列在计算向量-矩阵乘法时会出现失真。阻变交叉点阵列的规模越大，失真越明显。
技术实现思路
本公开的至少一实施例提供一种处理设备。该处理设备包括输入电压补偿装置和阻变交叉点阵列。输入电压补偿装置被配置为本文档来自技高网...

【技术保护点】
1.一种处理设备，包括输入电压补偿装置和阻变交叉点阵列，其中，/n所述输入电压补偿装置被配置为通过使用多个第一补偿因子对输入的多个第一电压信号进行补偿以得到多个第二电压信号，并将所述多个第二电压信号施加到阻变交叉点阵列，/n所述阻变交叉点阵列包括多条位线、多条字线以及多个阻变单元，所述多个阻变单元形成大小为m×n的阵列，m、n均为大于1的整数，所述阻变交叉点阵列被配置为基于施加到所述多个字线的多个第二电压信号和所述多个阻变单元得到多个第一电流信号。/n

【技术特征摘要】
1.一种处理设备，包括输入电压补偿装置和阻变交叉点阵列，其中，
所述输入电压补偿装置被配置为通过使用多个第一补偿因子对输入的多个第一电压信号进行补偿以得到多个第二电压信号，并将所述多个第二电压信号施加到阻变交叉点阵列，
所述阻变交叉点阵列包括多条位线、多条字线以及多个阻变单元，所述多个阻变单元形成大小为m×n的阵列，m、n均为大于1的整数，所述阻变交叉点阵列被配置为基于施加到所述多个字线的多个第二电压信号和所述多个阻变单元得到多个第一电流信号。


2.根据权利要求1所述的处理设备，其中，所述多个第一补偿因子中的每一个根据不考虑所述多条字线上的寄生电阻的阻变交叉阵列的等效电路确定。


3.根据权利要求2所述的处理设备，所述处理设备还包括第一补偿因子确定装置，所述第一补偿因子确定装置被配置为根据下式确定所述多个第一补偿因子中针对第i行的第一电压信号的第一补偿因子1/ai：



其中，i为大于等于1且小于等于m的整数，Gk表示第k行的阻变单元的平均电导值或最大电导值，gbl表示相应位线上的任意两个相邻阻变单元之间的寄生电阻的电导值。


4.根据权利要求1所述的处理设备，所述处理设备还包括第一补偿因子确定装置，
其中，所述第一补偿因子确定装置被配置为：
将所述多个第一电压信号施加到所述阻变交叉点阵列，并从所述阻变交叉点阵列获得在施加了所述多个第一电压信号后的多个未补偿的输出电流；
从所述阻变交叉点阵列获得第一列阻变单元中的每一行阻变单元的电导值；以及
将所述第一列阻变单元中的第i行的阻变单元的电导值与所述多个未补偿的输出电流中的第一列输出电流的值的比值作为与第i行的阻变单元相对应的第一电压信号的...

【专利技术属性】
技术研发人员：吴华强，廖焱，高滨，钱鹤，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11