一种脉冲神经网络电路的失效评估方法、系统及设备技术方案

本发明专利技术公开了一种脉冲神经网络电路的失效评估方法、系统及设备，涉及脉冲神经网络电路技术领域，方法包括：向脉冲神经网络电路的脉冲神经网络单元注入预置故障，改变脉冲神经网络电路的稳定性，得到故障脉冲神经网络电路，然后根据预置样本集，计算部署于注入故障前的脉冲神经网络电路的脉冲神经网络的第一准确性，以及注入故障后的故障脉冲神经网络电路的脉冲神经网络的第二准确性，最后基于第一准确性、第二准确性和预置优化策略对脉冲神经网络电路进行优化，解决了现有的神经网络电路评估优化方法无法有效地提高脉冲神经网络电路本身的可靠性技术问题。路本身的可靠性技术问题。路本身的可靠性技术问题。

【技术实现步骤摘要】
一种脉冲神经网络电路的失效评估方法、系统及设备


[0001]本专利技术涉及脉冲神经网络电路的
，尤其涉及一种脉冲神经网络电路的失效评估方法。

技术介绍

[0002]大脑连接的神经网络最为复杂，功耗极低，大约仅有25W，同时表现出很强的鲁棒性，因此受到众多学者的关注和研究。其中，构建模拟生物神经网络的软件/硬件是研究方向之一。脉冲神经网络以离散的动作电位传递信息，通过模拟生物大脑，具有更快的识别速度、更高的时间分辨率、更低的延迟和更低的能量消耗等优点，被广泛应用。由于脉冲神经网络需要部署在脉冲神经网络电路上，因此，具有更高的稳定性和容错率的脉冲神经网络电路可以有效提高脉冲神经网络的准确性。
[0003]人们普遍认为脉冲神经网络电路继承了生物大脑优秀的鲁棒性，对由制造缺陷引起的近似误差和硬件老化等故障具有一定的容错能力。因此，在进行容错训练时，通常采用软件故障注入方式，通过对部署在脉冲神经网络电路的脉冲神经网络进行故障注入，评估并优化脉冲神经网络电路的稳定性。事实上，硬件故障会导致脉冲神经网络准确性下降，而软件故障注入方式忽略了脉冲神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脉冲神经网络电路的失效评估方法，其特征在于，包括：基于预置样本集，计算部署于所述脉冲神经网络电路的脉冲神经网络的第一准确性；其中，所述脉冲神经网络电路包含脉冲神经网络单元；向所述脉冲神经网络单元注入预置故障，得到故障脉冲神经网络电路；基于所述预置样本集，计算部署于所述故障脉冲神经网络电路的脉冲神经网络的第二准确性；基于所述第一准确性和所述第二准确性评估所述脉冲神经网络电路的失效指标，根据所述失效指标和预置优化策略对所述脉冲神经网络电路进行优化。2.根据权利要求1所述的脉冲神经网络电路的失效评估方法，其特征在于，当所述预置故障为预置噪声时，所述向所述脉冲神经网络单元注入预置故障，得到故障脉冲神经网络电路包括：将所述预置噪声分别注入所述脉冲神经网络单元的神经元中，得到故障脉冲神经网络电路；其中，所述神经元为输入层神经元组或隐藏层神经元组或输出层神经元组或输入层神经元或隐藏层神经元或输出层神经元。3.根据权利要求2所述的脉冲神经网络电路的失效评估方法，其特征在于，所述基于所述预置样本集，计算部署于所述故障脉冲神经网络电路的脉冲神经网络的第二准确性包括：将所述预置样本集作为所述脉冲神经网络的输入，分别计算所述神经元为所述输入层神经元组或所述隐藏层神经元组或所述输出层神经元组时所述的脉冲神经网络的第二准确性；其中，将所述神经元为所述输入层神经元组时所述的脉冲神经网络的第二准确性记为输入层第二准确性，将所述神经元为所述隐藏层神经元组时所述的脉冲神经网络的第二准确性记为隐藏层第二准确性，将所述神经元为所述输出层神经元组时所述的脉冲神经网络的第二准确性记为输出层第二准确性。4.根据权利要求3所述的脉冲神经网络电路的失效评估方法，其特征在于，所述基于所述第一准确性和所述第二准确性评估所述脉冲神经网络电路的失效指标，并基于所述失效指标和预置优化策略对所述脉冲神经网络电路进行优化包括：将所述第一准确性和所述输入层第二准确性的差值绝对值记为输入层失效指标；将所述第一准确性和所述隐藏层第二准确性的差值绝对值记为隐藏层失效指标；将所述第一准确性和所述输出层第二准确性的差值绝对值记为输出层失效指标；将所述输入层失效指标、所述隐藏层失效指标和所述输出层失效指标中数值最大的失效指标对应的神经元记为待优化神经元，将所述待优化神经元替换为预置第一神经元；其中，所述预置第一神经元为防噪神经元。5.根据权利要求1所述的脉冲神经网络电路的失效评估方法，其特征在于，当所述...

【专利技术属性】
技术研发人员：孙博，黎晶莹，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：