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

Inventor： 朱云来 ,  方修全 ,  吴祖恒 ,  冯哲 ,  徐祖雨 ,  代月花

IPC: G06N3/065 ,  G06N3/06 ,  G06F7/52

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：CN115456153A

公开(公告)日：2022-12-09

申请号：CN202211010160.5

申请日：2022-08-23

Applicant: 安徽大学

Inventor： 朱云来 ,  方修全 ,  冯哲 ,  吴祖恒 ,  徐祖雨 ,  代月花

IPC: G06N3/063 ,  G06N3/08

Abstract: 本发明属于电导漂移技术领域，具体涉及一种优化电导漂移的推理映射方案包括以下步骤：S1：根据电导漂移模型，对于实际的器件电导漂移数据进行拟合，得出模型参数；S2：对输入数据与权值分别进行放缩，作为权值输入电压V0与目的映射电导C；S3：将输入信号经过S2步骤处理为权值输入电压V0，并乘上一个衰减因子，得到最终输入电压V，然后经过外围板卡电路映射到忆阻器阵列中，与传统的方法相比，本专利提出的方案解决了电导漂移问题，通过对输入信号乘上一个补偿因子的独特机制优化了系统的性能，电导漂移的补偿可以直接由输入信号来提供，降低的硬件网络实现的难度，使用本方案的系统在训练了20次后可达到96％的准确率，相比传统方案的准确率提升了10％。