基于传感器网络和存内计算神经网络的控制系统及方法技术方案

本发明专利技术公开了基于传感器网络和存内计算神经网络的控制系统及方法，本发明专利技术涉及人工智能领域。本发明专利技术包括传感器网络、数据自处理模块、模数转换器模块和存内计算神经网络模块，将存内计算技术和传感器网络相结合，利用了拥有数据自处理能力的传感器网络以增加数据带宽并降低功耗，通过存内计算技术完成神经网络的计算，避免了过多不必要的数据传输操作，在保证高精度计算的同时，极大地提高了计算速度、减少了数据存储空间、降低了系统整体运算功耗。

【技术实现步骤摘要】
基于传感器网络和存内计算神经网络的控制系统及方法
本专利技术涉及人工智能领域，具体涉及基于传感器网络和存内计算神经网络的控制系统及方法。
技术介绍
传感器网络是一种分布式的传感器阵列，由大量微小、较低成本、功能丰富、获取信息能力较强的传感器构成，传感器之间通过无线网络相互连接以进行通信。传感器网络的应用前景十分广泛，在许多领域和实际应用场景中都有着举足轻重的作用，发展潜力巨大。随着微电子相关技术的不断进步，传感器网络技术也在不断前进，并对现代信息技术产业、现代制造业以及现代军事信息等领域产生巨大的影响。但是对于大多数实际应用场景而言，为了获取更加精确的环境信息，传感器网络就必须收集海量的信息并对其进行存储和信号处理，这不但会增大存储信息数据方面的压力，也使得传感器网络的功耗居高不下。随着近些年神经网络的不断发展，人工智能设备不断推陈出新。神经网络面世之初，神经网络的计算和训练均是利用电脑中的CPU或者GPU完成的，但是这样高功率的芯片无法大量应用于普通实际应用场景。于是人们开始着手于设计制造专用的神经网络硬件加速器，但是市面上现本文档来自技高网...

【技术保护点】
1.基于传感器网络和存内计算神经网络的控制系统，包括传感器网络、数据自处理模块、模数转换器模块和存内计算神经网络模块，其特征在于：/n所述传感器网络由传感器阵列构成，通过内部总线连接与数据自处理模块，采集不同的外界环境信息并输出对应的模拟信号，将模拟信号传输至数据自处理模块进行进一步处理；/n所述数据自处理模块由多层感知器构成，与模数转换器通过内部总线连接，对传感器网络传来的模拟信号进行初步处理、过滤无效数据，并将处理结果传至模数转换器；/n所述模数转换器模块由模数转换器和微处理单元构成，通过内部总线与存内计算神经网络模块连接，对数据自处理模块的处理结果进行信号处理，将模拟信号转换成数字信号，...

【技术特征摘要】
1.基于传感器网络和存内计算神经网络的控制系统，包括传感器网络、数据自处理模块、模数转换器模块和存内计算神经网络模块，其特征在于：
所述传感器网络由传感器阵列构成，通过内部总线连接与数据自处理模块，采集不同的外界环境信息并输出对应的模拟信号，将模拟信号传输至数据自处理模块进行进一步处理；
所述数据自处理模块由多层感知器构成，与模数转换器通过内部总线连接，对传感器网络传来的模拟信号进行初步处理、过滤无效数据，并将处理结果传至模数转换器；
所述模数转换器模块由模数转换器和微处理单元构成，通过内部总线与存内计算神经网络模块连接，对数据自处理模块的处理结果进行信号处理，将模拟信号转换成数字信号，并将此数字信号传输至存内计算神经网络模块；
所述存内计算神经网络模块主要实现神经网络的计算。


2.根据权利要求1所述基于传感器网络和存内计算神经网络的控制系统，其特征在于：所述存内计算神经网络模块包括时钟控制模块、读写控制器模块、双模式字线驱动模块、存储单元阵列、非线性激活函数模块、数据缓冲器模块和输出控制模块；
时钟控制模块用于对基于存内计算的控制系统进行同步时序控制，确保数据在存内计算过程中的有序性和正确性，该模块与外部控制单元相连；
读写控制模块用于响应外部的读写控制请求，并对双模式字线驱动模块进行读写数据的控制；
双模式字线驱动模块用于存内计算控制系统运行阶段，主要控制存储单元阵列的两种不同工作模式：数据存储模式和数据计算模式，当该模块发出数据存储模式的信号时，存储单元阵列会将外部数据读取至内部并加以保存，当该模块发出数据计算模式的信号时，存储单元阵列会对内部的数据完成相乘累加计算，并将计算结果输出至后续的非线性激活函数模块或者数据缓冲器模块；
非线性激活函数模块用于处理存内计算的每一轮中间结果，将中间结果归一化并利用非线性函数对其进行处理；
数据缓冲器模块用于暂存神经网络运算过程中的中间结果，当神经网络要进行下一轮的运算操作时，该模块中暂存的数据会被存储单元阵列读取至内部进行新一轮的相乘累加运算；...

【专利技术属性】
技术研发人员：俞德军，
申请(专利权)人：成都市深思创芯科技有限公司，
类型：发明
国别省市：四川;51