[发明专利]一种基于忆阻器的图像识别系统及方法

摘要

本发明公开了一种基于忆阻器的图像识别系统及方法。所述系统包括图像信号提取模块、多个基于忆阻器的神经网络模块和识别模块；所述识别模块其输入端与多个神经网络模块的输出端相连；每个神经网络模块的输出端与识别模块的输入端相连，其输入端与信号提取模块的输出端相连。所述方法包括以下步骤（1）获取待识别灰度图像的特征向量并输入各神经网络模型；（2）各神经网络模型根据其图像模型对所述特征向量分别进行打分并进行识别；（3）计算各神经网络分值与训练时获取标准值之差值，根据所述差值判断待识别图像类别。所述系统扩展性好，集成密度高，功耗低；所述方法，时间复杂度低，识别精度较高。

主权项

一种基于忆阻器的图像识别系统，其特征在于，包括：图像信号提取模块、多个基于忆阻器的神经网络模块和识别模块；所述识别模块其输入端与多个神经网络模块的输出端相连；每个神经网络模块的输出端与识别模块的输入端相连，其输入端与信号提取模块的输出端相连；其中：所述图像信号提取模块，用于提取训练用和待识别的灰度图像的特征向量信号，并输入神经网络模块；包括上位机和多个脉冲发生器；所述上位机，与多个脉冲发生器相连，用于读取灰度图像信号，提取其特征向量，并将特征向量的多个特征值分别传递给相应的脉冲发生器；所述脉冲发生器，输入端与上位机相连，输出端与神经网络模块的输入神经元电路输入端相连，用于接收上位机产生的特征值，并根据特征值产生相应的特征值信号，所述特征值信号组成特征向量信号，传递给神经网络模块的输入神经元电路；所述神经网络模块，采用忆阻器模拟神经突触，获取全局时钟信号，所述全局时钟信号成周期性，一个全局时钟周期包括前馈阶段和反馈阶段；所述神经网络模块训练时，在反馈阶段，获取训练用灰度图像的特征向量信号，通过监督学习的方法自适应调整忆阻器阻值，训练其表征的图像模型，在前馈阶段，产生参考信号并传递给识别模块；识别时，获取待识别灰度图像的特征向量信号，根据其表征的图像模型对待识别图像的特征向量信号进行打分，得出分值信号并传递给识别模块；包括多个输入神经元电路、相应数量的用于模拟神经突触的忆阻器和一个输出神经元电路；多个输入神经元电路的输入端与信号提取模块的多个输出端依次相连，输入神经元电路的输出端与相应忆阻器的一端相连，忆阻器的另一端与输出神经元电路的输入端相连，输出神经元电路的输出端与识别模块的输入端相连；输出神经元电路的反馈端与输入神经元电路的反馈接收端相连；所述输入神经元电路，在全局时钟信号前馈阶段，用于接收信号提取模块输出的特征向量信号的各个特征值信号，根据特征值信号选择前馈脉冲，将前馈脉冲传递给忆阻器；在全局时钟信号反馈阶段，用于记忆本时钟周期前馈阶段的特征值信号，接收输出神经元电路反馈端的反馈信号，根据所述特征值信号选择反馈脉冲，根据所述反馈信号决定是否将反馈脉冲施加给忆阻器；所述忆阻器，在全局时钟前馈阶段根据前馈脉冲和自身阻值产生神经冲动电流；在全局时钟反馈阶段根据一端的反馈脉冲和另一端的零电压自适应的调整自身阻值；所述输出神经元电路，在全局时钟前馈阶段，收集各忆阻器产生的神经冲动电流叠加得到兴奋电流，输出兴奋电流给识别模块，在训练时所述兴奋电流表征参考信号，在识别时所述兴奋电流表征分值信号；在全局时钟反馈阶段，记忆本周期前馈阶段产生的兴奋电流，根据兴奋电流与设定的兴奋阈值的比较结果，产生反馈信号并传递给输入神经元电路反馈接收端；所述前馈脉冲包括正前馈脉冲和负前馈脉冲，所述反馈脉冲包括正反馈脉冲和负反馈脉冲；所述识别模块，在神经网络模块训练时，用于获取各神经网络模块的参考信号，并根据其计算各神经网络标准值，在神经网络模块识别时，根据各神经网络标准值和分值信号判断待识别图像类型并得出判断结果；包括多个示波器和下位机；所述示波器的输入端和神经网络模块输出神经元电路的输出端相连，输出端和下位机输入端相连，用于收集神经网络模块输出参考信号和待识别的灰度图像分值信号，并将转化为参考值和分值传递给下位机；所述下位机的多个输入端与相应的示波器相连，用于获取所述参考值和分值，根据各神经网络模块的参考值计算其标准值并比较标准值和分值信号的差异，识别灰度图像的类别为所述差异最小的神经网络模块所代表的图像类别。