【技术实现步骤摘要】
本公开的实施例涉及一种基于储备池的计算装置、电子装置及用于计算装置的操作方法。
技术介绍
1、近年来，基于冯诺依曼架构的传统计算机发展遇到瓶颈，单位面积晶体管数量的发展受限于沟道长度的极限，在此背景下，研究人员参考生物神经系统的运行方式，挖掘更多电子元器件动态特性用于高效计算，以进一步发展人工智能系统的计算能力，即类脑计算。物理储备池计算是类脑计算领域的一个重要研究方向，储备池计算是递归神经网络(rnn)的一种，与传统的rnn算法相比，储备池计算易于训练，不存在rnn训练中常见的梯度消失和梯度爆炸等问题。储备池网络中的输入层和储备池层的连接都随机生成且固定不变，其中储备池层还存在递归连接以提供短时记忆能力，输入信号或数据在经过输入层和储备池层后被映射到高维特征空间，使其可以被一个全连接线性层读出至目标值或者类别，用于机器学习任务，如分类、预测等。
2、同时，利用电子元器件中的动态特性和非线性可以对输入信号作高维映射，从而直接在硬件层面上实现储备池层的功能，这种实现方法能够将机器学习算法的实现保留在模拟域，省去数模转换和二进制数据的存储和操作，提升计算效率的同时没有冯诺依曼架构瓶颈的限制。在过去的工作中，研究人员研究了多种不同的储备池架构，尝试了不同的储备池神经元实现方式，也尝试将其与传感器结合实现感存算一体，均取得了良好的效果，实现了对传感器信号进行直接的处理、计算和分类等操作，大大降低了边缘端计算所需的功耗。
3、然而，物理储备池计算接收信号或者数据并对其处理，其输出通常为单一输出，这样的输出结果形式和
技术实现思路
1、本公开至少一实施例提供一种计算装置，包括输入单元、储备池计算端元和输出层计算单元，其中，所述输入单元配置为接收输入信号；所述储备池计算单元配置为对所述输入信号进行储备池神经网络的储备池层计算；所述输出层单元包括多个输出层子单元，其中，所述多个输出层子单元分别配置为从所述储备池计算单元接收所述储备池计算单元对于所述输入信号的计算结果，并且分别对所述计算结果执行所述储备池神经网络的输出层计算，分别得到多个输出结果。
2、例如，在本公开至少一实施例提供的计算装置中，所述输入单元包括n个输入端口，并且配置为接收包括n个元素的输入信号，其中，n为大于等于1的正整数。
3、例如，在本公开至少一实施例提供的计算装置中，每个输出层子单元包括第一忆阻器阵列以执行所述储备池神经网络的输出层计算。
4、例如，在本公开至少一实施例提供的计算装置中，每个输出层子单元的第一忆阻器阵列包括在输出层的忆阻器主阵列中，并且分别为所述忆阻器主阵列的不同部分。
5、例如，在本公开至少一实施例提供的计算装置中，所述储备池计算单元包括多个状态通道，通过所述多个状态通道分别将所述计算结果输出到所述多个输出层子单元。
6、例如，在本公开至少一实施例提供的计算装置中，所述储备池层计算包括对所述输入信号进行升维计算。
7、例如，在本公开至少一实施例提供的计算装置中，所述储备池计算单元包括第二忆阻器阵列，所述第二忆阻器的忆阻器为易失性忆阻器。
8、例如，在本公开至少一实施例提供的计算装置中，还包括执行单元，其中，所述执行单元配置为接收所述输出层子单元的用于所述不同任务之一的第一输出结果；对所述第一输出结果进行处理，并且将所述处理结果作为下一输入信号提供到所述输入单元。
9、本公开的实施例提供了一种电子装置，包括本公开任一实施例提供的计算装置。
10、本公开的实施例提供了一种用于本公开任一实施例的计算装置的操作方法，所述操作方法包括：通过所述输入单元，接收所述输入信号；通过所述储备池计算单元对所述输入信号进行所述储备池神经网络的储备池层计算；通过所述多个输出层子单元，分别从所述储备池计算单元接收所述储备池计算单元对于所述输入信号的计算结果，并且分别对所述计算结果执行所述储备池神经网络的输出层计算，分别得到多个输出结果。
11、例如，本公开至少一实施例提供的操作方法还包括：对所述储备池计算单元进行设置以写入用于所述储备池层计算的第一权重值；对所述输出层单元进行设置以写入用于所述输出层计算的第二权重值。
12、例如，本公开至少一实施例提供的操作方法还包括：对所述计算装置进行训练，以得到用于所述储备池计算的所述第一权重值和所述第二权重值。
13、例如，本公开至少一实施例提供的操作方法中，对所述计算装置进行训练包括：对不同的所述多个输出层子单元分别针对所述不同任务进行训练，以得到用于所述不同任务的权重值。
14、根据本公开的实施例的计算装置以及对该计算装置应用对应的操作方法能够同时执行多个不同的任务，例如，同时具有对环境的分析和与环境的交互的多种能力。
本文档来自技高网...【技术保护点】
1.一种计算装置，包括：
2.如权利要求1所述的计算装置，其中，所述输入单元包括n个输入端口，并且配置为接收包括n个元素的输入信号，其中，n为大于等于1的正整数。
3.如权利要求1所述的计算装置，其中，所述多个输出层子单元的每一个包括第一忆阻器阵列以执行所述储备池神经网络的输出层计算。
4.如权利要求3所述的计算装置，其中，所述多个输出层子单元的每一个的第一忆阻器阵列包括在输出层的忆阻器主阵列中，并且分别为所述忆阻器主阵列的不同部分。
5.如权利要求1所述的计算装置，其中，所述储备池计算单元包括多个状态通道，通过所述多个状态通道分别将所述计算结果输出到所述多个输出层子单元。
6.如权利要求5所述的计算装置，其中，所述储备池层计算包括对所述输入信号进行升维计算。
7.如权利要求5所述的计算装置，其中，所述储备池计算单元包括第二忆阻器阵列，所述第二忆阻器阵列的忆阻器为易失性忆阻器。
8.如权利要求1所述的计算装置，还包括执行单元，其中，所述执行单元配置为：
9.一种电子装置，包括：如权利要
10.一种用于权利要求1-8任一所述的计算装置的操作方法，包括：
11.如权利要求10所述的操作方法，还包括：
12.如权利要求10所述的操作方法，还包括：
13.如权利要求12所述的操作方法，其中，对所述计算装置进行训练包括：
...【技术特征摘要】
1.一种计算装置，包括：
2.如权利要求1所述的计算装置，其中，所述输入单元包括n个输入端口，并且配置为接收包括n个元素的输入信号，其中，n为大于等于1的正整数。
3.如权利要求1所述的计算装置，其中，所述多个输出层子单元的每一个包括第一忆阻器阵列以执行所述储备池神经网络的输出层计算。
4.如权利要求3所述的计算装置，其中，所述多个输出层子单元的每一个的第一忆阻器阵列包括在输出层的忆阻器主阵列中，并且分别为所述忆阻器主阵列的不同部分。
5.如权利要求1所述的计算装置，其中，所述储备池计算单元包括多个状态通道，通过所述多个状态通道分别将所述计算结果输出到所述多个输出层子单元。
6.如...
【专利技术属性】
技术研发人员：唐建石，梁向鹏，苏柏煜，吴华强，高滨，钱鹤，
申请(专利权)人：清华大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。