[发明专利]一种新型储池存内计算的硬件实现方法、装置及电子设备

说明书

本申请公开一种新型储池存内计算的硬件实现方法、装置及电子设备，涉及机器学习及人工智能领域。新型储池存内计算的硬件实现方法包括：获取输入模块传输至忆阻器阵列的电压信号；基于电压信号将目标时刻线性特征向量映射至忆阻器阵列；控制忆阻器阵列基于目标时刻线性特征向量确定非线性特征向量；控制忆阻器阵列基于目标时刻线性特征向量和非线性特征向量，确定目标时刻总特征向量；控制忆阻器阵列基于目标时刻总特征向量预测下一时刻的输入数据坐标，以供输出模块将输入数据坐标转换为数字信号的输出值完成输出，有效减少了计算过程中的数据的搬运，提高了储池计算的计算速率，提高了储池计算的可靠性和稳定性。

技术领域

本申请涉及机器学习及人工智能领域，尤其涉及一种新型储池存内计算的硬件实现方法、装置及电子设备。

背景技术

随着机器学习及人工智能领域的发展，储池计算作为一种特殊的循环神经网络计算模式也备受关注，储池计算具有结构简单、训练参数少，以及能耗低等优势，在时序信号处理和混沌动力学系统预测等方面有着巨大的应用潜力。

目前的储池计算采用的是随机初始化的网络权重，传统的储池计算结构可以包括由多个神经元随机连接构成的回声状态网络和单节点延时储池计算结构，均需要大量的数据和计算时间用于预处理和参数优化。研究证明下一代储池计算(NGRC)是一种特殊的非线性向量自回归过程，其等效于具有线性激活节点的储池与一个非线性读出层的结合，可以在保证预测精度的条件下有效缓解传统的储池计算的上述需要大量的数据和计算时间用于预处理和参数优化的问题。

但是，非线性向量自回归过程本身仍然需要大量硬件计算资源的开销用于乘法计算操作，这在有限的计算资源和算力条件下难以实现，导致储池计算仍然需要大量的数据和计算时间用于预处理和参数优化，降低了储池计算的计算速率，降低了储池计算的可靠性和稳定性。

发明内容

本申请的目的在于提供一种新型储池存内计算的硬件实现方法、装置及电子设备，以解决现有储池计算仍然需要大量的数据和计算时间用于预处理和参数优化，降低了储池计算的计算速率，降低了储池计算的可靠性和稳定性的问题。

第一方面，本申请提供一种新型储池存内计算的硬件实现方法，应用于具有依次连接的输入模块、忆阻器阵列组成的权重模块和输出模块的电子设备，所述方法包括：

获取所述输入模块传输至所述忆阻器阵列的电压信号；

基于所述电压信号将目标时刻线性特征向量映射至所述忆阻器阵列；

控制所述忆阻器阵列基于所述目标时刻线性特征向量确定非线性特征向量；

控制所述忆阻器阵列基于所述目标时刻线性特征向量和所述非线性特征向量，确定目标时刻总特征向量；

控制所述忆阻器阵列基于所述目标时刻总特征向量预测下一时刻的输入数据坐标，以供所述输出模块将所述输入数据坐标转换为数字信号的输出值完成输出。

采用上述技术方案的情况下，本申请实施例提供的新型储池存内计算的硬件实现方法，可以获取所述输入模块传输至所述忆阻器阵列的电压信号；基于所述电压信号将目标时刻线性特征向量映射至所述忆阻器阵列；控制所述忆阻器阵列基于所述目标时刻线性特征向量确定非线性特征向量；控制所述忆阻器阵列基于所述目标时刻线性特征向量和所述非线性特征向量，确定目标时刻总特征向量；控制所述忆阻器阵列基于所述目标时刻总特征向量预测下一时刻的输入数据坐标，以供所述输出模块将所述输入数据坐标转换为数字信号的输出值完成输出，其中，由于上述新型储池存内计算，利用忆阻器阵列完成非线性向量自回归过程种的矩阵向量乘法操作，有效减少了计算过程中的数据的搬运，为储池计算的硬件实现提供了一种新的途径，提高了储池计算的计算速率，提高了储池计算的可靠性和稳定性。

在一种可能的实现方式中，所述控制所述忆阻器阵列基于所述目标时刻线性特征向量确定非线性特征向量，包括：