-
公开(公告)号：CN115759239A
公开(公告)日：2023-03-07
申请号：CN202211225039.4
申请日：2022-10-09
Applicant: 安徽大学
IPC: G06N3/084 , G06N3/006 , G06V10/774 , G06V10/82 , G11C13/00
Abstract: 本发明公开一种解决反向传播的神经网络训练方法，属于神经网络训练领域；训练方法步骤包括：S1，搭建忆阻器阵列；S2，将图片预处理为相应电压，并可作为输入信号向忆阻器阵列输入；S3，将图片预处理信号输入忆阻器阵列，先对单个图片进行训练，再对相同数字多个图片进行训练，得到数字对应的最有权重；S4，将不同数字的图片进行S2中的预处理操作，再按照S3，得到不同数字对应的最优权重；S5，将S3、S4训练所得到的不同数字所对应的最优权重组成最优忆阻器阵列，再将数字图片输入到最优忆阻器阵列中，输出值与目标值差的绝对值最小的列作为最终数字判断。
-
公开(公告)号：CN114021712A
公开(公告)日：2022-02-08
申请号：CN202111367056.7
申请日：2021-11-18
Applicant: 安徽大学
Abstract: 本发明公开了一种实现彩色图像识别的ConvGRU神经网络电路及训练方法，该电路包括卷积神经网络模块、GRUCell电路模块和全连接层电路模块；所述卷积神经网络模块的输出与所述GRUCell电路模块的输入连接，并且所述GRUCell电路模块的输出与所述全连接层电路模块连接。本发明解决了现有GRU硬件电路无法对图像进行有效特征提取的问题，大幅提升了GRU电路在图像识别方面的准确率，以软件3层卷积神经网络和1层硬件GRUCell电路模块可以达到18层卷积神经网络的水平，而且避免了硬件18层卷积神经网络占用硬件空间过大的问题，具有极高的可实用性。
-
公开(公告)号：CN113642723A
公开(公告)日：2021-11-12
申请号：CN202110863399.6
申请日：2021-07-29
Applicant: 安徽大学
Abstract: 本发明公开了一种实现原‑异位训练的GRU神经网络电路，所述电路包括3个M+N+1行M列个忆阻器构成的阵列，以及多个模拟乘法器和加法器，其中每个忆阻器阵列的下方均连接有由电阻和运放构成的反向比例电路，每个阵列都形成下方的运算结构；对于左边的忆阻器阵列，每列输出电压经过反向比例电路后输出电压与前一时刻的输出电压经过模拟乘法器后得到结果，该结果再输入至右边忆阻器阵列的横向输入端；前一时刻电压与中间忆阻器阵列每列输出电压经过模拟乘法器运算后，结果输出至加法器；最终加法器输出的电压，用于下一时刻的输入。该电路能够解决GRU神经网络电路异位训练映射误差大，原位训练结构复杂且抗噪能力弱的问题。
-
公开(公告)号：CN114330681B
公开(公告)日：2025-01-14
申请号：CN202111443379.X
申请日：2021-11-30
Applicant: 安徽大学
IPC: G06N3/063 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种实现步态预测的ST‑GRU忆阻神经网络电路及训练方法，该电路包括在用于处理时间序列的GRU单元电路对时间序列中一个时刻的时间特征脉冲电压信号进行处理后，获取用于处理时间序列的GRU单元电路的输出结果作为空间特征脉冲电压信号，并将该空间特征脉冲电压信号输入到用于处理空间序列的GRU单元电路用于对该时刻对应的空间序列的特征脉冲电压信号进行处理；用于处理空间序列的GRU单元电路的输出结果输入到全连接层电路。本发明解决了现有GRU硬件电路无法在多层动态时序预测对目标进行训练的问题，实现了多个维度的序列预测并将其用于时序的步长预测问题，具有较高的准确率和较好的计算效率，无需耗费大量的软件算力资源。
-
公开(公告)号：CN118569327A
公开(公告)日：2024-08-30
申请号：CN202410556640.4
申请日：2024-05-07
Applicant: 安徽大学
IPC: G06N3/063 , G06N3/0442 , G06N3/0499 , G06N3/082
Abstract: 本发明公开基于忆阻阵列的文本生成系统，属于忆阻器硬件系统领域；基于忆阻阵列的文本生成系统包括：嵌入层、双向处理GRU单元、单向处理GRU单元和全连接层；所述嵌入层对输入的文本信息进行预处理，转换成高维特征向量；所述双向处理GRU单元以前向和后向的方式分别处理所述高维特征向量，以捕获文本的上下文信息；所述单向处理GRU单元进一步整合所述双向处理GRU单元的输出；所述全连接层根据所述单处理向GRU单元的输出生成目标文本，忆阻器阵列的设计时的系统在极低的功耗下，快速实现复杂的文本生成任务，适用于移动设备。
-
Patent Agency Ranking
公开(公告)号：CN117174141A
公开(公告)日：2023-12-05
申请号：CN202311039655.5
申请日：2023-08-17
Applicant: 安徽大学
IPC: G11C15/04
Abstract: 本发明公开了一种存储单元、三态内容寻址存储器和电子设备，属于存储器领域，包括：阻变存储器、选通晶体管和放大晶体管；其中，阻变存储器的一端与位线相连，阻变存储器的另一端与选通晶体管的漏极相连；选通晶体管的源极与源线相连，选通晶体管的栅极与字线相连；放大晶体管的源极接地，放大晶体管的栅极与选通晶体管的漏极相连，放大晶体管的漏极与匹配线相连；与现有技术相比，本申请的存储单元、三态内容寻址存储器和电子设备，采用一个非易失器件，构成TCAM的存储单元，很好的避免了外围电路以及存储单元的面积和能量消耗大的问题，实现了TCAM的功能，具有较好的性能。
-
公开(公告)号：CN117011863A
公开(公告)日：2023-11-07
申请号：CN202310700907.8
申请日：2023-06-14
Applicant: 安徽大学
Abstract: 本发明公开了一种基于忆阻器的验证码数字任务识别方法、系统及设备，涉及忆阻器技术领域，包括以下步骤：接收验证码图片训练数据，将验证码图片训练数据与第一忆阻器阵列相映射得到读电压，将读电压与耦合系数进行矩阵乘加，得到输出电流值；将输出电流值转换为电压脉冲，将电压脉冲输入至存储输入数据的第二忆阻器阵列内进行乘加计算，得到第三忆阻器阵列；将读电压输入第三忆阻器阵列的每列器件内，得到每列器件对应的电流值，将电流值输入电路得到电压值；将电压值转换为编程脉冲更新耦合系数的第一忆阻器阵列；至耦合系数更新完成，得到最终忆阻器阵列，将读电压与最终忆阻器阵列的耦合系数进行矩阵乘加，得到输出结果，将输出结果输入计算机进行训练。
-
公开(公告)号：CN116681115A
公开(公告)日：2023-09-01
申请号：CN202310665788.7
申请日：2023-06-07
Applicant: 安徽大学
IPC: G06N3/063 , G06F30/367 , G06F30/27
Abstract: 本发明公开了一种基于忆阻器的径向基神经元实现方法及设备，涉及忆阻器技术领域，方法包括以下步骤：接收神经元电路的输入电压；将输入电压输送至预先建立的绝对值模块电路内，得到幅值为非负的电压信号；将幅值为负的电压信号输入预先建立的反向放大器模块内，得到反向电压；将反向电压和偏置模块提供的偏置电压通过求和模块输入至径向基神经元模块电路，得到不同频率的输出信号；通过不同频率的输出信号的叠加，得到高斯函数，以实现径向基神经元；本发明可以有效地以聚类的形式清理输入数据，防止黑箱攻击。
-
公开(公告)号：CN116523014A
公开(公告)日：2023-08-01
申请号：CN202310438361.3
申请日：2023-04-23
Applicant: 安徽大学
Abstract: 本发明公开了一种可片上学习的物理RC网络的实现装置及方法，属于忆阻器类脑计算系统领域。本发明是基于下一代RC网络，对其进行硬件实现，解决了传统RC网络运算并行度不高。本发明的全硬件RC网络，不是简单权重映射后，再进行数据分类，还可以进行原位训练，这样可以提高网络因为器件的非线性导致的噪声的容忍程度，并且可以针对外界环境的变化，自适应的做出改变。
-
公开(公告)号：CN113658493A
公开(公告)日：2021-11-16
申请号：CN202110962416.1
申请日：2021-08-20
Applicant: 安徽大学
IPC: G09B23/18
Abstract: 本发明公开一种用于模拟联想记忆的强化学习仿生电路架构，所述电路架构包括MUX，所述MUX上连接有突触模块、控制模块和输出模块，突触模块包括用于模拟输入神经元的方波电压信号，方波电压信号为2n个，其中，n为大于1的整数，控制模块包括控制信号，控制信号为可以为n个，n和控制信号可强化形成2n种不同类型的强化控制信号代表学习方法强化的人群刺激进入2n个突触模块。本发明强化学习仿生电路架构是基于巴甫洛夫联想记忆以及非联想记忆的，它更真实地模拟了人类记忆的特点，这与我们人类的记忆是一致的；通过输入模拟输入神经元的方波电压信号，通过设置控制信号模拟学习方法强化的人群，能够更加全面的模拟人的学习过程。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.02 seconds)
