申请/专利权人：中国人民解放军国防科技大学

申请日：2021-11-17

公开（公告）日：2024-03-26

公开（公告）号：CN114067157B

主分类号：G06V10/764

分类号：G06V10/764;G06N3/0464;G06N3/084;G06T7/11

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2022.03.08#实质审查的生效;2022.02.18#公开

摘要：本发明实施例公开了一种基于忆阻器阵列的神经网络优化方法、装置及忆阻器阵列，所述方法包括：获取待处理图像；对所述待处理图像进行二值化处理，以得到二进制图像数据；将所述二进制图像数据与预设二值化权重输入加载到基于忆阻器的二值卷积神经网络中计算得到图像分类结果，其中，所述预设二值化权重为经过预设加噪处理的二值化权重；根据所述图像分类结果和图像分类标签值执行反向传播权值更新处理，以得到目标二值化权重；根据所述目标二值化权重调整忆阻器阵列的特征参数。通过在网络的训练过程中对二值卷积神经网络中的权重进行加噪处理，有效提升了忆阻器阵列中二值卷积神经网络的鲁棒性和网络性能。

主权项：1.一种基于忆阻器的神经网络优化方法，其特征在于，所述方法包括：获取待处理图像；对所述待处理图像进行二值化处理，以得到二进制图像数据；将所述二进制图像数据与预设二值化权重输入加载到基于忆阻器的二值卷积神经网络中计算得到图像分类结果，其中，所述预设二值化权重为经过预设加噪处理的二值化权重；根据所述图像分类结果和图像分类标签值执行反向传播权值更新处理，以得到目标二值化权重；根据所述目标二值化权重调整忆阻器阵列的特征参数；所述基于忆阻器的二值卷积神经网络包括卷积层和全连接层，所述预设二值化权重包括第一加噪权重和第二加噪权重，所述将所述二进制图像数据与预设二值化权重输入加载到基于忆阻器的二值卷积神经网络中计算得到图像分类结果的步骤包括：向卷积层输入所述二进制图像数据，以使所述卷积层根据所述二进制图像数据和所述第一加噪权重进行卷积计算，以得到对应所述二进制图像数据的多组特征图像的待激活数据；根据预设的二元激活函数处理各组特征图像的待激活数据，以得到各组特征图像的二值激活输出；向全连接层输入各组特征图像的二值激活输出，以使所述全连接层根据各组特征图像的二值激活输出和所述第二加噪权重进行乘积累加计算，以得到对应所述二进制图像数据的图像分类结果；所述第一加噪权重或所述第二加噪权重按以下步骤获取，包括：获取所述基于忆阻器的二值卷积神经网络中的初始权重；从服从正态分布的高斯噪声中获取高斯噪声采样值；根据所述高斯噪声采样值对所述初始权重进行加噪处理，以得到所述第一加噪权重或所述第二加噪权重；所述根据所述图像分类结果和图像分类标签值执行反向传播权值更新处理，以得到目标二值化权重的步骤包括：根据所述图像分类结果与所述图像分类标签值计算二值卷积神经网络的损失函数；根据预设梯度下降算法和所述损失函数更新所述预设二值化权重，以获得所述目标二值化权重，其中，所述预设梯度下降算法中的二元激活函数的梯度采用双曲正切函数的梯度。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于忆阻器的神经网络优化方法、装置及忆阻器阵列

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD