基于忆阻器的神经网络优化方法、装置及忆阻器阵列制造方法及图纸

本发明专利技术实施例公开了一种基于忆阻器阵列的神经网络优化方法、装置及忆阻器阵列，所述方法包括：获取待处理图像；对所述待处理图像进行二值化处理，以得到二进制图像数据；将所述二进制图像数据与预设二值化权重输入加载到基于忆阻器的二值卷积神经网络中计算得到图像分类结果，其中，所述预设二值化权重为经过预设加噪处理的二值化权重；根据所述图像分类结果和图像分类标签值执行反向传播权值更新处理，以得到目标二值化权重；根据所述目标二值化权重调整忆阻器阵列的特征参数。通过在网络的训练过程中对二值卷积神经网络中的权重进行加噪处理，有效提升了忆阻器阵列中二值卷积神经网络的鲁棒性和网络性能。卷积神经网络的鲁棒性和网络性能。卷积神经网络的鲁棒性和网络性能。

【技术实现步骤摘要】
基于忆阻器的神经网络优化方法、装置及忆阻器阵列


[0001]本专利技术涉及神经网络
，尤其涉及一种基于忆阻器的神经网络优化方法、装置及忆阻器阵列。

技术介绍

[0002]近年来，基于忆阻的二值卷积神经网络由于具有处理能力强、功耗低、计算效率高等优点而得到了广泛的研究，但由于忆阻器制造技术尚不成熟，其在嵌入式神经形态计算领域尚未得到广泛应用。
[0003]现有技术中所制造的器件存在着许多不理想的特性，如忆阻阵列的产率、忆阻变化率等，这降低了在基于忆阻器的计算系统上运行的应用程序的性能。

技术实现思路

[0004]为了解决上述技术问题，本申请实施例提供了一种基于忆阻器的神经网络优化方法、装置及忆阻器阵列，具体方案如下：
[0005]第一方面，本申请实施例提供了一种基于忆阻器的神经网络优化方法，所述方法包括：
[0006]获取待处理图像；
[0007]对所述待处理图像进行二值化处理，以得到二进制图像数据；
[0008]将所述二进制图像数据与预设二值化权重输入加载到基于忆阻器的二值卷积神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于忆阻器的神经网络优化方法，其特征在于，所述方法包括：获取待处理图像；对所述待处理图像进行二值化处理，以得到二进制图像数据；将所述二进制图像数据与预设二值化权重输入加载到基于忆阻器的二值卷积神经网络中计算得到图像分类结果，其中，所述预设二值化权重为经过预设加噪处理的二值化权重；根据所述图像分类结果和图像分类标签值执行反向传播权值更新处理，以得到目标二值化权重；根据所述目标二值化权重调整忆阻器阵列的特征参数。2.根据权利要求1所述的方法，其特征在于，所述二值卷积神经网络包括卷积层和全连接层，所述预设二值化权重包括第一加噪权重和第二加噪权重，所述将所述二进制图像数据与预设二值化权重输入加载到基于忆阻器的二值卷积神经网络中计算得到图像分类结果的步骤包括：向卷积层输入所述二进制图像数据，以使所述卷积层根据所述二进制图像数据和所述第一加噪权重进行卷积计算，以得到对应所述二进制图像数据的多组特征图像的待激活数据；根据预设的二元激活函数处理各组特征图像的待激活数据，以得到各组特征图像的二值激活输出；向全连接层输入各组特征图像的二值激活输出，以使所述全连接层根据各组特征图像的二值激活输出和所述第二加噪权重进行乘积累加计算，以得到对应所述二进制图像数据的图像分类结果。3.根据权利要求2所述的方法，其特征在于，所述第一加噪权重或所述第二加噪权重的获取步骤，包括：获取所述卷积神经网络中的初始权重；从服从正态分布的高斯噪声中获取高斯噪声采样值；根据所述高斯噪声采样值对所述初始权重进行加噪处理，以得到所述第一加噪权重或所述第二加噪权重。4.根据权利要求2所述的方法，其特征在于，根据预设的二元激活函数处理各组特征图像的待激活数据，以得到各组特征图像的二值激活输出的步骤之后，所述方法还包括：从服从正态分布的高斯噪声中获取高斯噪声采样值；根据所述高斯噪声采样值对各组特征图像的二值激活输出进行加噪处理，以得到加噪二值激活输出。5.根据权利要求1所述的方法，...

【专利技术属性】
技术研发人员：刘海军，李智炜，李清江，黄力行，徐晖，刁节涛，王义楠，陈长林，刘森，宋兵，王伟，王琴，曹荣荣，于红旗，王玺，步凯，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：