一种储备池计算网络优化方法及相关装置制造方法及图纸

本申请公开了一种储备池计算网络优化方法及相关装置，该方法包括：对输入信号进行采样，得到采样信号；通过至少两种量化方式对所述采样信号进行量化处理，得到至少两种数字信号，不同的数字信号中元素的取值不同；将所述不同的数字信号中元素对应的电压脉冲输入到由不同数量虚拟节点构建的储备池中，以便不同储备池提取所述输入信号在不同量化方式下的信号特征。通过对信号进行不同方式的量化，并将其输入到由不同数量虚拟节点构建的储备池中，可提高储备池的内部状态丰富性，进一步提高储备池系统对信号识别的准确性。高储备池系统对信号识别的准确性。高储备池系统对信号识别的准确性。

【技术实现步骤摘要】
一种储备池计算网络优化方法及相关装置


[0001]本申请涉及人工智能
，特别是涉及一种储备池计算网络优化方法及相关装置。

技术介绍

[0002]随着人工智能技术的高速发展，旨在通过模仿构成人脑的神经元和突触的机制来实现人工智能的神经形态计算成为研究重点。其中，衍生于传统的循环神经网络(Recurrent Neural Network,RNN)的储备池计算(Reservoir Computing,RC)，由于其具备较低的训练代价及简单的硬件实现，已经在动态系统识别、时间序列检测等领域得到广泛应用。
[0003]储备池系统对信号识别的准确性与储备池内部状态的丰富性息息相关。现有基于忆阻器的储备池计算的相关技术中，可依靠忆阻器之间固有的差异性来提高储备池内部状态的丰富性，但当器件的工艺条件和参数确定时，储备池的丰富性随之确定，不能根据特定任务类型进行调整，若每次根据不同任务类型重新设计器件，硬件开销太大。

技术实现思路

[0004]基于上述问题，本申请提供了一种储备池计算网络优化方法及相关装置，提高储备池系统识别信号的准确性。
[0005]本申请实施例公开了如下技术方案：
[0006]第一方面，本申请提供了一种储备池计算网络优化方法，所述方法包括：
[0007]对输入信号进行采样，得到采样信号；
[0008]通过至少两种量化方式对所述采样信号进行量化处理，得到至少两种数字信号，不同的数字信号中元素的取值不同；
[0009]将所述不同的数字信号中元素对应的电压脉冲信号输入到由不同数量虚拟节点构建的储备池中，以便不同储备池提取所述输入信号在不同量化方式下的信号特征。
[0010]可选地，所述至少两种数字信号至少包括：第一数字信号和第二数字信号，所述将所述不同的数字信号中元素对应的电压脉冲信号输入到由不同数量虚拟节点构建的储备池中，包括：
[0011]依次将所述第一数字信号中第一数量个元素对应的电压脉冲信号，输入到由第一数量个虚拟节点构建的第一储备池中；以及，
[0012]依次将所述第二数字信号中第二数量个元素对应的电压脉冲信号，输入到由第二数量个虚拟节点构建的第二储备池中。
[0013]可选地，所述至少两种量化方式至少包括第一量化方式和第二量化方式，所述第一量化方式对应第一比特数，所述第二量化方式对应第二比特数，所述通过至少两种量化方式对所述采样信号进行量化处理，得到至少两种数字信号，包括：
[0014]根据所述采样信号的最大取值、最小取值和第一比特数，确定第一取值区间；
[0015]根据所述采样信号的幅值与所述第一取值区间的对应关系，得到第一数字信号；
[0016]根据所述采样信号的最大取值、最小取值和第二比特数，确定第二取值区间；
[0017]根据所述采样信号的幅值与所述第二取值区间的对应关系，得到第二数字信号。
[0018]可选地，所述量化方式所采用的比特数与忆阻器的性能相关。
[0019]可选地，所述数字信号为二进制编码表示的数字信号。
[0020]第二方面，本申请实施例提供了一种储备池计算网络优化装置，所述装置包括：
[0021]采样模块、量化模块以及输入模块；
[0022]所述采样模块，对输入信号进行采样，得到采样信号；
[0023]所述量化模块，用于通过至少两种量化方式对所述采样信号进行量化处理，得到至少两种数字信号，不同的数字信号中元素的取值不同；
[0024]所述输入模块，用于将所述不同的数字信号中元素对应的电压脉冲信号输入到由不同数量虚拟节点构建的储备池中，以便不同储备池提取所述输入信号在不同量化方式下的信号特征。
[0025]可选地，所述至少两种数字信号包括：第一数字信号和第二数字信号，所述输入模块，具体用于：
[0026]依次将所述第一数字信号中第一数量个元素对应的电压脉冲信号，输入到由第一数量个虚拟节点构建的第一储备池中；以及，
[0027]依次将所述第二数字信号中第二数量个元素对应的电压脉冲信号，输入到由第二数量个虚拟节点构建的第二储备池中。
[0028]可选地，所述至少两种量化方式至少包括第一量化方式和第二量化方式，所述第一量化方式对应第一比特数，所述第二量化方式对应第二比特数，所述通过至少两种量化方式对所述采样信号进行量化处理，得到至少两种数字信号，所述量化模块，具体用于：
[0029]根据所述采样信号的最大取值、最小取值和第一比特数，确定第一取值区间；
[0030]根据所述采样信号的幅值与所述第一取值区间的对应关系，得到第一数字信号；
[0031]根据所述采样信号的最大取值、最小取值和第二比特数，确定第二取值区间；
[0032]根据所述采样信号的幅值与所述第二取值区间的对应关系，得到第二数字信号。
[0033]第三方面，本申请实施例提供了一种储备池计算网络优化设备，所述设备包括：
[0034]存储器、处理器；
[0035]所述存储器，用于存储计算机程序；
[0036]所述处理器，用于执行所述计算机程序时实现第一方面任一项所述的储备池计算网络优化方法的步骤。
[0037]第四方面，本申请实施例提供了一种计算机可读存储介质，
[0038]所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的储备池计算网络优化方法的步骤。
[0039]相较于现有技术，本申请具有以下有益效果：
[0040]本申请提供的信号处理方法，即对输入信号进行采样，得到采样信号；通过至少两种量化方式对所述采样信号进行量化处理，得到至少两种数字信号，不同的数字信号中元素的取值不同；将所述不同的数字信号中元素对应的电压脉冲信号输入到由不同数量虚拟节点构建的储备池中，以便不同储备池提取所述输入信号在不同量化方式下的信号特征。
[0041]本申请主要通过不同数量的虚拟节点构建不同的储备池，通过采用不同的量化方式对采样信号进行不同的量化处理得到不同的数字信号，将不同的数字信号输入到不同数量虚拟节点构建的不同储备池中，可提高储备池的丰富性，进而提升储备池系统识别信号的准确性。
附图说明
[0042]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0043]图1为本申请实施例提供的一种储备池计算网络优化方法的流程图；
[0044]图2为本申请实施例提供的一种数字信号量化示意图；
[0045]图3为本申请实施例提供的常规储备池和虚拟节点构建储备池的示意图；
[0046]图4为本申请实施例提供的在不同量化方式以及不同虚拟节点构建的储备池条件下识别输入信号的结果示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种储备池计算网络优化方法，其特征在于，所述方法包括：对输入信号进行采样，得到采样信号；通过至少两种量化方式对所述采样信号进行量化处理，得到至少两种数字信号，不同的数字信号中元素的取值不同；将所述不同的数字信号中元素对应的电压脉冲信号输入到由不同数量虚拟节点构建的储备池中，以便不同储备池提取所述输入信号在不同量化方式下的信号特征。2.如权利要求1所述的方法，其特征在于，所述至少两种数字信号至少包括：第一数字信号和第二数字信号，所述将所述不同的数字信号中元素对应的电压脉冲信号输入到由不同数量虚拟节点构建的储备池中，包括：依次将所述第一数字信号中第一数量个元素对应的电压脉冲信号，输入到由第一数量个虚拟节点构建的第一储备池中；以及，依次将所述第二数字信号中第二数量个元素对应的电压脉冲信号，输入到由第二数量个虚拟节点构建的第二储备池中。3.如权利要求1所述的方法，其特征在于，所述至少两种量化方式至少包括第一量化方式和第二量化方式，所述第一量化方式对应第一比特数，所述第二量化方式对应第二比特数，所述通过至少两种量化方式对所述采样信号进行量化处理，得到至少两种数字信号，包括：根据所述采样信号的最大取值、最小取值和第一比特数，确定第一取值区间；根据所述采样信号的幅值与所述第一取值区间的对应关系，得到第一数字信号；根据所述采样信号的最大取值、最小取值和第二比特数，确定第二取值区间；根据所述采样信号的幅值与所述第二取值区间的对应关系，得到第二数字信号。4.如权利要求1所述的方法，其特征在于，所述量化方式所采用的比特数与忆阻器的性能相关。5.如权利要求1所述的方法，其特征在于，所述数字信号为二进制编码表示的数字信号。6.一种储备池计算网络优化装置，其特征在于，所述装置包括：采样模块、量化模块以及输入模块；所述采样模块，对输入信号进行采样，得到采样...

【专利技术属性】
技术研发人员：许晓欣，孙文绚，张握瑜，余杰，李熠，尚大山，赖锦茹，董大年，
申请(专利权)人：中国科学院微电子研究所，
类型：发明
国别省市：