基于振荡神经网络的信息内容确认方法、装置及系统制造方法及图纸

本发明专利技术提出的基于振荡神经网络的信息内容确认方法、装置及系统，其方法包括：将输入的数字信号编码为至少一个第一模拟信号；结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作，生成对应的第二模拟信号；对每个所述第二模拟信号进行分类，输出分类结果，本发明专利技术通过设置振荡神经网络，将信息储存在信号的频率中，进而一位信号存储一个信息，大大简化了计算量以及存储中间特征信息所需的内存，同时本发明专利技术易于大规模集成，抗噪声能力强，具有更高的应用价值，相较于现有技术制作工艺简单，受环境噪声影响较小，振荡器振荡频率较高，计算时长较短，能够用于复杂场景的内容识别。于复杂场景的内容识别。于复杂场景的内容识别。

【技术实现步骤摘要】
基于振荡神经网络的信息内容确认方法、装置及系统


[0001]本专利技术属于人工智能领域，具体地讲，涉及一种基于振荡神经网络的信息内容确认方法、装置及系统。

技术介绍

[0002]随着信息技术的不断发展和人们日益增长的需求，人们对信息及时性的要求越来越高，人工神经网络广泛应用于计算机视觉领域，在图像分类、目标识别与视频监测等方面已经获得了较为成熟的应用。
[0003]但随着神经网络识别率的逐步升高，神经网络结构变得愈加复杂，传统的神经网络模型(DNN、CNN等)运算量越来越大，需要大量的多bit乘加计算，存在诸多不足。

技术实现思路

[0004]本专利技术提供了一种基于振荡神经网络的信息内容确认方法、电路、装置和系统，以至少解决现有技术中存在的至少一个问题。
[0005]根据本专利技术的一个方面，一种基于振荡神经网络的信息内容确认方法，包括：
[0006]将输入的数字信号编码为至少一个第一模拟信号；所述数字信号是对待确认信息进行数字化得到；
[0007]结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作，生成对应的第二模拟信号；
[0008]对每个所述第二模拟信号进行分类，输出分类结果，以基于所述分类结果确认所述待确认信息的内容。
[0009]在优选的实施例中，所述第一模拟信号的类型为频率；所述将输入的数字信号编码为至少一个第一模拟信号，包括：
[0010]量化所述数字信号对应每一信号位的所有信号值，生成对应每一信号位的第一量化值，所述第一量化值处于第一设定量化范围内；
[0011]对一时钟信号进行小数分频，产生多个第一时钟分频信号，每个第一时钟分频信号对应所述第一设定量化范围内的其中一个第一量化值；
[0012]基于每个信号位的第一量化值，以及所述第一时钟分频信号与所述第一量化值的对应关系，选择第一分频参数进行分频，生成对应每个信号位的第一模拟信号。
[0013]在优选的实施例中，所述第二模拟信号的类型为频率；所述结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作，生成对应的第二模拟信号，包括：
[0014]检测设定时长内每个所述第一模拟信号的上升沿数量和下降沿数量，并结合所述上升沿数量和下降沿数量计算每个所述第一模拟信号在设定时长内的周期数；
[0015]结合一预设权重矩阵对所有第一模拟信号的周期数进行乘加计算操作，得到第一乘加结果，并对所述第一乘加结果进行量化处理，生成对应所述第一乘加结果的第二量化
值；每个第二量化值处于第二设定量化范围内；
[0016]对另一时钟信号进行小数分频，产生多个第二时钟分频信号，每个第二时钟分频信号对应所述第二设定量化范围内的其中一个第二量化值；
[0017]基于每个乘加结果对应的第二量化值，以及所述第二时钟分频信号与所述第二量化值的对应关系，选择第二分频参数进行分频，生成对应每个乘加结果的第二模拟信号，其中，所述第二模拟信号的位深度与所述第一模拟信号的位深度相同或不同。
[0018]在优选的实施例中，所述对每个所述第二模拟信号进行分类，输出分类结果，包括：
[0019]检测设定时长内每个所述第二模拟信号的上升沿数量和下降沿数量，并结合所述上升沿数量和下降沿数量计算每个所述第二模拟信号在设定时长内的周期数；
[0020]结合另一预设权重矩阵对所有第二模拟信号的周期数进行乘加计算操作，得到第二乘加结果；
[0021]对每个第二乘加结果进行比较，选取响应值最大的所述第二乘加结果作为所述分类输出模块输出的分类结果。
[0022]在优选的实施例中，所述待确认信息记载于一图像上，所述待确认信息的内容为所述图像上的图案内容，所述数字信号包括所述图像上各像素点的像素值；所述数字信号的生成步骤包括：
[0023]将所述图像转化为灰度图像；
[0024]检测所述灰度图像上各像素点的像素值，生成对应各像素点的所述数字信号。
[0025]在优选的实施例中，在对所述第一乘加结果进行量化处理之前，所述方法还包括：
[0026]对所述第一乘加结果进行单侧抑制操作和截断操作。
[0027]根据本专利技术的另一方面，一种基于振荡神经网络的信息内容确认电路，包括：
[0028]编码模块，用于将输入的数字信号编码为至少一个第一模拟信号；所述数字信号是对待确认信息进行数字化得到；
[0029]耦合计算模块，结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作，生成对应的第二模拟信号；
[0030]分类输出模块，对每个所述第二模拟信号进行分类，输出分类结果，以基于所述分类结果确认所述待确认信息的内容。
[0031]在优选的实施例中，所述第一模拟信号的类型为频率；所述编码模块包括：依次耦接的量化电路、第一分频电路以及第一选择器电路；
[0032]所述量化电路用于量化所述数字信号对应每一信号位的所有信号值，生成对应每一信号位的第一量化值，所述第一量化值处于第一设定量化范围内；
[0033]所述第一分频电路用于对一时钟信号进行小数分频，产生多个第一时钟分频信号，每个第一时钟分频信号对应所述第一设定量化范围内的其中一个第一量化值；
[0034]所述第一选择器电路基于每个信号位的第一量化值，以及所述第一时钟分频信号与所述第一量化值的对应关系，选择第一分频参数进行分频，生成对应每个信号位的第一模拟信号。
[0035]在优选的实施例中，所述第二模拟信号的类型为频率；所述耦合计算模块，包括：
[0036]第一边沿检测电路，检测设定时长内每个所述第一模拟信号的上升沿数量和下降
沿数量，并结合所述上升沿数量和下降沿数量计算每个所述第一模拟信号在设定时长内的周期数；
[0037]多个第一神经元计算电路，每个第一神经元计算电路结合一预设权重矩阵对一第一模拟信号的周期数进行乘加计算操作，得到第一乘加结果，并对所述第一乘加结果进行量化处理，生成对应所述第一乘加结果的第二量化值；每个第二量化值处于第二设定量化范围内；
[0038]第二分频电路，用于对另一时钟信号进行小数分频，产生多个第二时钟分频信号，每个第二时钟分频信号对应所述第二设定量化范围内的其中一个第二量化值；
[0039]第二选择器电路，基于每个乘加结果对应的第二量化值，以及所述第二时钟分频信号与所述第二量化值的对应关系，选择第二分频参数进行分频，生成对应每个乘加结果的第二模拟信号，其中，所述第二模拟信号的位深度与所述第一模拟信号的位深度相同或不同。
[0040]在优选的实施例中，所述分类输出模块包括：
[0041]第二边沿检测电路，检测设定时长内每个所述第二模拟信号的上升沿数量和下降沿数量，并结合所述上升沿数量和下降沿数量计算每个所述第二模拟信号在设定时长内的周期数；
[0042]多个第二神经元计算电路，每个第二神经元计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于振荡神经网络的信息内容确认方法，其特征在于，包括：将输入的数字信号编码为至少一个第一模拟信号；所述数字信号是对待确认信息进行数字化得到；结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作，生成对应的第二模拟信号；对每个所述第二模拟信号进行分类，输出分类结果，以基于所述分类结果确认所述待确认信息的内容。2.根据权利要求1所述的信息内容确认方法，其特征在于，所述第一模拟信号的类型为频率；所述将输入的数字信号编码为至少一个第一模拟信号，包括：量化所述数字信号对应每一信号位的所有信号值，生成对应每一信号位的第一量化值，所述第一量化值处于第一设定量化范围内；对一时钟信号进行小数分频，产生多个第一时钟分频信号，每个第一时钟分频信号对应所述第一设定量化范围内的其中一个第一量化值；基于每个信号位的第一量化值，以及所述第一时钟分频信号与所述第一量化值的对应关系，选择第一分频参数进行分频，生成对应每个信号位的第一模拟信号。3.根据权利要求1所述的信息内容确认方法，其特征在于，所述第二模拟信号的类型为频率；所述结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作，生成对应的第二模拟信号，包括：检测设定时长内每个所述第一模拟信号的上升沿数量和下降沿数量，并结合所述上升沿数量和下降沿数量计算每个所述第一模拟信号在设定时长内的周期数；结合一预设权重矩阵对所有第一模拟信号的周期数进行乘加计算操作，得到第一乘加结果，并对所述第一乘加结果进行量化处理，生成对应所述第一乘加结果的第二量化值；每个第二量化值处于第二设定量化范围内；对另一时钟信号进行小数分频，产生多个第二时钟分频信号，每个第二时钟分频信号对应所述第二设定量化范围内的其中一个第二量化值；基于每个乘加结果对应的第二量化值，以及所述第二时钟分频信号与所述第二量化值的对应关系，选择第二分频参数进行分频，生成对应每个乘加结果的第二模拟信号，其中，所述第二模拟信号的位深度与所述第一模拟信号的位深度相同或不同。4.根据权利要求1所述的信息内容确认方法，其特征在于，所述对每个所述第二模拟信号进行分类，输出分类结果，包括：检测设定时长内每个所述第二模拟信号的上升沿数量和下降沿数量，并结合所述上升沿数量和下降沿数量计算每个所述第二模拟信号在设定时长内的周期数；结合另一预设权重矩阵对所有第二模拟信号的周期数进行乘加计算操作，得到第二乘加结果；对每个第二乘加结果进行比较，选取响应值最大的所述第二乘加结果作为分类结果。5.一种基于振荡神经网络的信息内容确认电路，其特征在于，包括：编码模块，用于将输入的数字信号编码为至少一个第一模拟信号；所述数字信号是对待确认信息进行数字化得到；耦合计算模块，结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信
号进行耦合计算操作，生成对应的第二模拟信...

【专利技术属性】
技术研发人员：杨建磊，成镇，贾小涛，赵巍胜，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：