基于忆阻随机计算轻量化卷积神经网络的气体识别方法技术

本发明专利技术公开了一种基于忆阻随机计算轻量化卷积神经网络的气体识别方法，其特征在于：首先使用16个气体传感器采集16个气体特征数据，通过忆阻列阵得到16个比特流，然后通过忆阻随机计算对其进行卷积、池化和全连接操作，得到6个比特流，该6个比特流用来定义表示6类气体，通过比较得到最终气体分类结果。其显著效果是：使用卷积神经网络以权重参数共享来减少参数，以减少模型的参数量；采用随机计算的形式进行硬件部署，在加速网络计算速度的同时还能抵抗数据漂移现象；采用忆阻器的随机开关特性进行随机比特流的生成，减少更多的能耗。减少更多的能耗。减少更多的能耗。

【技术实现步骤摘要】
基于忆阻随机计算轻量化卷积神经网络的气体识别方法


[0001]本专利技术涉及气体分类
，特别是涉及一种基于忆阻随机计算轻量化卷积神经网络的气体识别方法。

技术介绍

[0002]生活中各种场景下我们都可能暴露在危险的有毒气体之中，会因为长期接触气体存在安全隐患，也会因为气体爆炸造成伤亡。因此，气体的实时监测和识别至关重要，可以避免不必要的危害和损失。传统的气体识别方法虽然可以解决气体识别中的非线性问题，但是全连接导致更多的权重参数，使得网络浮点运算多，推演慢，且硬件部署更困难。Chen等人使用了一种混合卷积神经网络完成对六种气体的分类，通过共享权重参数来降低参数量，起到了不错的效果，但文章所提忆阻器设备之间波动导致部署有一定的困难。
[0003]另一方面，在传感器的使用过程中，通常会受到环境及设备的影响导致传感器采集的数据有漂移现象，现有的解决漂移的方法主要集中于软件层面，很少在硬件层面研究。
[0004]现有技术缺点：忆阻器设备之间波动导致部署有一定的困难，现有的解决漂移的方法很少在硬件层面研究，并且现有的用于气体识别的装本文档来自技高网...

【技术保护点】

【技术特征摘要】
其中，P表示比特流的实际概率，x表示输入的数；在步骤A3中，计算产生实际概率P所需要的脉冲电压V或脉冲宽度t的计算公式如下：其中，V0和τ0表示拟合参数，由忆阻器设备决定；V表示给脉冲压，t表示脉冲宽度，P表示比特流的实际概率；当脉冲电压V给定时，通过控制脉冲宽度t来控制比特流的实际概率P；当脉冲宽度t给定时，通过控制脉冲电压V来控制比特流的实际概率P。6.根据权利要求1所述的基于忆阻随机计算轻量化卷积神经网络的气体识别方法，其特征在于：轻量化卷积神经网络通过以下步骤训练出卷积核与全连接层的最佳参数值：步骤1：用于将所述16个气体特征数据通过维度变化变为4
×
4的特征数据，再通过一圈零填充变为6
×
6的特征数据的步骤；步骤2：用于将6
×
6的特征数据和3
×
3的卷积核参数进行卷积，得到4
×
4的特征图的步骤；步骤3：用于将所述4
×
4的特征图与所述4
×
4的特征数据进行堆叠，得到2
×4×
4的特征图的步骤；步骤4：用于将3
×
3的池化核参数对2
×4×
4的特征图进行最大池化，得到2
×2×
2的特征立方体的步骤；步骤5：用于将...

【专利技术属性】
技术研发人员：段书凯，杨斌，陈艾，李广隶，付军，唐健峰，王丽丹，
申请(专利权)人：西南大学，
类型：发明
国别省市：