公开(公告)号：CN109063826A

公开(公告)日：2018-12-21

申请号：CN201811066871.8

申请日：2018-09-13

Applicant: 重庆大学

Inventor： 李正浩 ,  刘佳琪 ,  唐永亮 ,  胡伟 ,  龚卫国 ,  李伟红

IPC: G06N3/04

CPC classification number: G06N3/0454

Abstract: 本发明公开了一种基于忆阻器的卷积神经网络实现方法，包括制备由卷积+池化层与全连接层构成的待训练的卷积神经网络，并输入训练集图像信息，得到全连接层输出值；根据待训练的卷积神经网络的全连接层输出值与标准信息的偏差，利用反向传播函数对待训练的卷积神经网络进行训练；当达到训练次数时，判定训练精度是否达标，若不达标则对训练后的卷积神经网络进行再次训练，直至精度达标；获得所需卷积神经网络等步骤。其显著效果是：在硬件上减少了对精度和制备难度、时间的影响；实现了更高级的多层卷积神经网络；不易受到硬件噪声、制备难度和时间的影响，在应用复杂化后能够表现出更强的适应能力。

公开(公告)号：CN109063826B

公开(公告)日：2019-05-31

申请号：CN201811066871.8

申请日：2018-09-13

Applicant: 重庆大学

Inventor： 李正浩 ,  刘佳琪 ,  唐永亮 ,  胡伟 ,  龚卫国 ,  李伟红

IPC: G06N3/04

Abstract: 本发明公开了一种基于忆阻器的卷积神经网络实现方法，包括制备由卷积+池化层与全连接层构成的待训练的卷积神经网络，并输入训练集图像信息，得到全连接层输出值；根据待训练的卷积神经网络的全连接层输出值与标准信息的偏差，利用反向传播函数对待训练的卷积神经网络进行训练；当达到训练次数时，判定训练精度是否达标，若不达标则对训练后的卷积神经网络进行再次训练，直至精度达标；获得所需卷积神经网络等步骤。其显著效果是：在硬件上减少了对精度和制备难度、时间的影响；实现了更高级的多层卷积神经网络；不易受到硬件噪声、制备难度和时间的影响，在应用复杂化后能够表现出更强的适应能力。