一种基于忆阻器阵列的WTA神经网络及其应用制造技术

本发明专利技术属于神经网络技术领域，涉及一种基于忆阻器阵列的WTA神经网络及其应用。通过忆阻器阵列设计实现该WTA神经网络及其应用即分类器模型，并由此提出可用于皮肤病特征的分类识别方法。其中，WTA模型由忆阻器，MOSFET，电容器，电阻器和电源构成，在此基础上，导出基于忆阻器阵列WTA神经网络的分类器。其目的是用忆阻器来实现WTA神经网络及其分类器，探索忆阻器在神经网络及其医学决策的应用。与传统WTA神经网络对比，本发明专利技术使用忆阻器阵列设计的分类器具有优良的性能，可以将其应用于医学疾病分类等领域。

【技术实现步骤摘要】
一种基于忆阻器阵列的WTA神经网络及其应用
本专利技术涉及忆阻器和WTA神经网络，提供了一种基于忆阻器阵列的WTA神经网络，并设计了一种基于该网络的应用。属于神经网络

技术介绍
人工神经网络是抽象人脑神经元网络处理信息的计算模型。主要研究的神经网络类型包括BP神经网络、细胞神经网络、递归神经网络、WTA神经网络等。其中，WTA神经网络在理论研究和工程应用上不断拓展，在模式识别、图像处理、自动控制等领域表现出很好的智能特性。人工神经网络由大量的神经元相互联接构成。一般而言，常用MOSFET或CMOS物理实现神经元，由此构成的神经网络体积大，功耗大，不利于大规模使用。2008年，自从HP实验室设计出首个忆阻器之后，忆阻器的研究成为了目前一大热点。忆阻器的记忆纳米特性，“天然”地模拟神经元，由此设计的神经网络体积小、功耗低，可大规模推广应用在医学图像处理中，进行皮肤病分类识别。因此，运用忆阻器来设计一种体积小，功耗低的WTA神经网络是十分必要的。
技术实现思路
针对上述存在问题或不足，本专利技术提供了一种基于忆阻器阵列的WTA神经网络及其应用。该基于忆阻器阵列的WTA神经网络最少具有两个神经元，每个神经元均由忆阻器，MOS管，电容器，电阻器和直流电源构成的。对于一个具有N个神经元的网络，每个神经元由N-1个忆阻器、N-1个MOS管、N-1个直流电源、一个电阻以及一个电容组成，其中N≥2且每个忆阻器的一端接地，另外一端分别与其它N-1个神经元的输入相连，每个MOS管的源极连接到输入端，栅极分别连接到其它N-1个神经元的输入端，漏极分别与N-1个直流电源串联后接地，电阻与电容并联，一端连接到输入端，另外一端接地。该神经网络的输入是电流，输出是电压。所述忆阻器是一种分段线性的忆阻器，其特性函数为式1，其忆导为式2，其中q为电荷量，c>0，d>0。根据MOS管的特性，得到其抑制函数式3，其中K、VT由MOS管的物理特性决定。抑制函数hi(vi,vj)代表第j个神经元对第i个神经元的抑制作用，vi、vj分别是第i个神经元与第个j神经元的输出。将抑制函数与忆阻器模型结合起来，就得到基于忆阻器阵列的WTA神经网络的动力学方程(公式4)，其中C为电容，G为电导，为第i个神经元所对应的忆阻器的磁通量，N为神经元个数。基于上述基于忆阻器阵列的WTA神经网络的应用即分类器的实现。该分类器由三大部分构成：第一部分为一个BP神经网络，由输入层、隐含层和输出层构成；第二部分为一个起隔离驱动作用的转换器；第三部分是上面所述的基于忆阻器阵列的WTA神经网络。第一部分的BP神经网络的输入为特征，其输出经过第二部分的转换器的转换后，再作为第三部分的输入，第三部分的输出中，输出大于0的神经元所对应的种类，即分类的结果。所述BP神经网络，使用的激励函数为训练算法为Levenberg-MarquardtBP算法，表达式为x(k+1)＝x(k)-[JTJ+μI]-1JTe，其中x为权值，J为雅可比矩阵，e为误差，ep＝dp-xout,q，dp为期望输出，xout,q为第q个训练模式的实际网络输出，μ＝0.001。本专利技术具有以下技术效果：该基于忆阻器阵列的WTA神经网络具有WTA特性，且体积小、功耗低，基于其所构建的分类器具有优良的性能，可以将其应用于医学疾病分类等领域。附图说明图1为忆阻器特性函数曲线(曲线)；图2为实施例1基于忆阻器阵列的WTA神经网络(四个神经元)；图3为实施例1基于忆阻器阵列的WTA神经网络(四个神经元)的WTA特性图(MATLAB仿真)；图4为实施例2基于忆阻器阵列的WTA神经网络(八个神经元)的WTA特性图(MATLAB仿真)；图5为实施例3基于忆阻器阵列的WTA神经网络(四个神经元)分类器；图6为实施例3分类器对鳞屑性红斑皮肤病的部分分类仿真结果示意图。具体实施方式实施例1用12个忆阻器，12个MOS管，4个电容器，4个电阻器，4个直流电源，按上面所述的连接方式进行连接，即构建了一个具有四个神经元的基于忆阻器阵列的WTA神经网络，如图2所示。分析该网络，可得到其动力学方程公式(4)，其中N＝4。通过对该动力学方程进行数学分析，可验证该神经网络具有WTA特性。实施例2用56个忆阻器，56个MOS管，8个电容器，8个电阻器，8个直流电源，按上面所述的连接方式进行连接，即构建了一个具有八个神经元的基于忆阻器阵列的WTA神经网络。分析该网络，可得到其动力学方程公式(4)，其中N＝8。通过对该动力学方程进行数学分析，可验证该神经网络具有WTA特性。最后分别对实施例1、实施例2进行MATLAB仿真，仿真结果分别如图3、图4所示。从仿真结果可以看出，只有一个输出为正，其它输出都为负，表现出了WTA特性。实施例3基于忆阻器阵列的WTA神经网络分类器是将BP神经网络与基于忆阻器阵列的WTA神经网络结合起来，中间通过一个转换器相连。第一部分BP网络的输出通过第二部分转换器的隔离和驱动后，作为第三部分WTA神经网络的输入。结合上面所述的实施例1构建分类器，其结构如图5所示。为了验证分类器的效果，我们将其应用于皮肤病分类识别。我们采用皮肤病数据库(DermatologyDatabase)里面的数据，对鳞屑性红斑(erythemato-scuamous)这一大类皮肤病进行子病种分类。我们使用了366组数据：72组为扁平苔癣(lichenplanus)，49组为玫瑰糠疹(pityriasisrosea)，52组为慢性皮炎(chronicdermatitis)，112组为牛皮癣(psoriasis)，61组为脂溢性皮炎(seborrheicdermatitis)，20组为毛发红糠疹(pityriasisrubrapilaris)。我们将其中的300组数据作为训练集，剩下的66组数据作为测试集，并用MATLAB进行仿真，部分仿真结果如表一所示，从表一中可以看出该分类器具有很好的性能。实施例1、实施例2的仿真结果表明，这种基于忆阻器阵列的神经网络具有很好的WTA特性，是一种WTA神经网络。由于该神经网络使用了忆阻器这种体积小、功耗低的元器件，大大减小了网络的体积和功耗，一定程度上克服了当前WTA神经网络体积过大、功耗过大的缺点，有利于这种基于忆阻器阵列的WTA神经网络实际物理电路的实现，以及大规模应用，也有助于以后相关应用的研究。实施例3的仿真结果表明，本专利技术设计的分类器具有优良的性能，可以将其应用于医学疾病分类等领域。本文档来自技高网...

【技术保护点】
一种基于忆阻器阵列的WTA神经网络，最少具有两个神经元，其特征在于：每个神经元都是由忆阻器、MOS管、电容器、电阻器和直流电源构成的；对于具有N个神经元的网络，每个神经元由N‑1个忆阻器、N‑1个MOS管、N‑1个直流电源、一个电阻以及一个电容组成，其中N≥2且每个忆阻器的一端接地，另外一端分别与其它N‑1个神经元的输入相连，每个MOS管的源极连接到输入端，栅极分别连接到其它N‑1个神经元的输入端，漏极分别与N‑1直流电源串联后接地，电阻与电容并联，一端连接到输入端，另外一端接地；该神经网络的输入是电流，输出是电压。

【技术特征摘要】
1.一种基于忆阻器阵列的WTA神经网络，最少具有两个神经元，其特征在于：每个神经元都是由忆阻器、MOS管、电容器、电阻器和直流电源构成的；对于具有N个神经元的网络，每个神经元由N-1个忆阻器、N-1个MOS管、N-1个直流电源、一个电阻以及一个电容组成，其中N≥2且每个忆阻器的一端接地，另外一端分别与其它N-1个神经元的输入相连，每个MOS管的源极连接到输入端，栅极分别连接到其它N-1个神经元的输入端，漏极分别与N-1直流电源串联后接地，电阻与电容并联，一端连接到输入端，另外一端接地；该神经网络的输入是电流，输出是电压。2.如权利要求1所述基于忆阻器阵列的WTA神经网络，其特征在于：所述忆阻器是一种分段线性的忆阻器，其特性函数为其忆导为其中q为电荷量，c>0，d>0；根据MOS管的特性，得到其抑制函数其中K、VT由MOS管的物理特性决定；抑制函数hi(vi,vj)代表第j个神经元对第i个神经元的抑制作用，vi、vj分别是第i个神经元与第个j神经元的输出；将抑制函数与忆阻器模型结合起来，就得到基于忆阻器阵列的WTA神经网络的动力学方程其中C为电容，G为电导，为第i个神经元所对应的忆阻器的磁通量，N为神经元个数，为忆阻器的...

【专利技术属性】
技术研发人员：于永斌，刘兴文，胡青青，门乐飞，杨辰宇，李成，邓建华，张容权，蔡竟业，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51