- 1、本文档共8页,其中可免费阅读7页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明属于忆阻器神经网络计算领域,具体涉及一种忆阻器神经网络权重训练方法。本发明将神经网络权重参数写入到忆阻器阵列后,通过对忆阻器施加正向脉冲使得该忆阻器的电导值增大ΔG1,若修改后推理过程的损失值相比于修改前降低了,则保存本次修改;若忆阻器电导值增大后推理过程产生的损失值相比于修改前增大了,则对该忆阻器施加反向脉冲,使得该忆阻器的电导值降低2ΔG2;如此循环使得本发明对目标忆阻器训练得到的权重精度逐次逼近的方式趋近于理想值。本发明有效解决了现有技术中神经网络以离线训练的方式移植到忆阻器上后,神
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117131917 A
(43)申请公布日 2023.11.28
(21)申请号 202311095235.9
(22)申请日 2023.08.28
(71)申请人 电子科技大学
地址 611731
文档评论(0)