【技术实现步骤摘要】
本公开涉及图像识别，尤其涉及一种基于物理储池的图像识别方法和装置。
技术介绍
1、图像识别作为人工智能的关键领域，已通过深度学习技术，如卷积神经网络(cnn)、变换器(transformers)和深度置信网络(dbn)，实现了显著的识别性能。然而，这些技术在资源受限的设备上应用受限，主要因为其高功耗和计算成本。为此，神经形态计算应运而生，模拟生物神经系统，以提高计算效率并降低能耗。储池网络(reservoircomputing,rc)作为神经形态计算的代表，由输入层、储池和输出层组成，以其低训练成本和对动态数据的高效处理能力，成为图像识别领域的研究热点。
2、在物理储池网络的实现上，忆阻器因其独特的记忆特性和非线性映射能力，成为构建储池网络的主流选择。忆阻器在图像识别等应用中展现出能效和速度优势，但其制作工艺复杂、成本高，并且忆阻器的非线性输出可能导致输入相同数据时产生不同输出，影响系统的可预测性和可靠性。因此，现有物理储池系统在落地应用和数据处理准确性方面仍面临挑战。
技术实现思路>
1、本公开实本文档来自技高网...
【技术保护点】
1.一种基于物理储池的图像识别方法，其特征在于，包括：
2.根据权利要求1所述的图像识别方法，其特征在于，所述输入层具体用于：对输入的图像进行整形处理、掩膜处理、二值化处理中的任意一种或多种。
3.根据权利要求1或2所述的图像识别方法，其特征在于，待识别的图像至少包括简单类型图像和复杂类型图像；其中，所述简单类型图像至少包括由像素点组成的0至9数字图像，所述复杂类型图像至少包括手写数字图像、手写字母图像、服装图像。
4.根据权利要求3所述的图像识别方法，其特征在于，所述输入信号为N个PWM信号，每个PWM信号中的脉冲信号宽度与输入的...
【技术特征摘要】
1.一种基于物理储池的图像识别方法，其特征在于，包括：
2.根据权利要求1所述的图像识别方法，其特征在于，所述输入层具体用于：对输入的图像进行整形处理、掩膜处理、二值化处理中的任意一种或多种。
3.根据权利要求1或2所述的图像识别方法，其特征在于，待识别的图像至少包括简单类型图像和复杂类型图像；其中，所述简单类型图像至少包括由像素点组成的0至9数字图像，所述复杂类型图像至少包括手写数字图像、手写字母图像、服装图像。
4.根据权利要求3所述的图像识别方法，其特征在于，所述输入信号为n个pwm信号，每个pwm信号中的脉冲信号宽度与输入的图像中相应像素的像素值呈正比。
5.根据权利要求4所述的图像识别方法，其特征在于，所述储池层对预处理后的图像...
【专利技术属性】
技术研发人员：葛军，刘伟成，陈怡冰，马泽霖，易华森，陈展毅，谢泽文，隆炳健，郑学智，曾泓杰，文王燊，蔡畅，林浩，潘书生，
申请(专利权)人：广州大学，
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。