一种细胞神经网络可调权值模块仿真方法与流程

本发明涉及神经网络与忆阻器的交叉学科领域，尤其涉及一种细胞神经网络可调权值模块仿真方法。

背景技术：

细胞神经网络(cellularneuralnetwork，cnn)是蔡少棠教授在1988年提出来的一种信息处理系统。和神经网络很类似，细胞神经网络是一种可以实时处理信号的大规模非线性模拟电路。细胞神经网络的基本结构电路单元被称为细胞,包括线性和非线性电路原件，通常是线性电容，线性电阻，线性和非线性受控源，和独立源。细胞神经网络的结构很像细胞自动机，也就是任何细胞只和它的相邻细胞相连。相邻细胞可以直接影响，并没有直接相连的细胞可能会通过网络的连续动态传播来彼此影响。

细胞神经网络的结构如图1所示，c(i,j)表示第i行第j列的细胞，在细胞神经网络中，所有细胞的结构都是相同的。网络中拥有(2r+1)²领域的细胞被称为内部细胞，其余的则是边界细胞。细胞神经网络具有控制模板和反馈模板，控制模板决定了输入信号对细胞状态的影响程度，反馈模板则决定了相邻细胞的输出对细胞c(i,j)的影响程度。因为细胞神经网络是基于电路实现的，所以对特定的神经网络，其模板权值是固定的，这样就限制了cnn的通用性。对于不同的应用，需要搭建不同的权值模板的电路结构。

目前细胞神经网络的突触通常是使用电阻，电容和晶体管电路实现。使用电阻实现细胞突触是一种静态行为，即一旦制备了这种突触结构就无法再对其进行改变，因此只能应用于非学习的场景。电容漏电特性导致它只能能短暂的保存突触权值，所以若使用其实现突触则需要按照一定频率动态的更新突触权值。除了电容和电阻，目前使用浮珊晶体管与模拟乘法器实现突触的尝试也取得了一定的成功，但是其在使用过程中存在着明显的非线性行为。

忆阻器是一种阻值可变的二端口电路元件，具有和电阻相同的量纲。1971年，蔡少棠教授从理论上证明了忆阻器的存在。2008年，惠普实验室的研究人员在nature发文称实现了一种二氧化钛结构的忆阻器。随着惠普忆阻器的发现，使用忆阻突触实现细胞神经网络的突触权值成为了一种新的选择。忆阻器本身即是一种阻值可以调节且存储信息非易失的元件，所以相对于使用电阻，电容等实现的突触权值，使用忆阻器实现可以调节的细胞突触权值有着很大的应用前景。忆阻器具有和细胞突触权值极为相似的特性，即可以随着外加脉冲而改变并且当外加刺激消失后会保持已有状态不变。使用忆阻器实现细胞突触权值，可以实现对权值的可调节，同时不再需要传统突触权值电路的乘法器电路，从而使得网络规模缩小。但是现有技术中并没有发现基于忆阻器的细胞神经网络可调权值模块仿真方法。

技术实现要素：

发明目的：本发明针对现有技术存在的问题，提供一种细胞神经网络可调权值模块仿真方法。

技术方案：本发明所述的细胞神经网络可调权值模块仿真方法包括以下步骤：

步骤1：搭建忆阻器的simulink模型，具体包括：

1-1：使用simulink的积分模块实现对忆阻器状态变量w(t)的积分，其中求解器采用ode45；

1-2：使用simulink的自定义函数模块实现忆阻器窗函数其中，d是忆阻器的厚度参数，窗函数参数p为10；

1-3：使用simulink的gain模块实现其中，uv为漂移速率，ron表示忆阻器全部掺杂时电阻值；

1-4：计算roff-w(t)*δr，然后将结果传送到信号转换模块simulink-psconvert转换为物理信号后输入到可变电阻模块，从而实现忆阻器阻值的变化；其中，roff表示忆阻器全部非掺杂时电阻，δr表示roff-ron；

步骤2：搭建细胞神经网络与忆阻器模块的信号转换电路，具体包括：

采用simulink-psconvert将信号转换为物理信号，然后将其输入simscape的控制电压源，即可以获得simscape电压源脉冲，从而实现将simulink电压脉冲信号转换为simscape信号的信号转换；

步骤3：在simulink中，通过将忆阻器先并联再串联的方式搭建惠斯通电桥结构的忆阻突触电路；

步骤4：将使用simulink搭建的忆阻突触电路封装后集成到细胞神经网络电路中，具体为：使用simulink的subsystem将忆阻桥突触电路封装成一个二端口的子系统，一个端口为电压源的输入端，一个为经过突触权值后的电流源输出端。

有益效果：本发明与现有技术相比，其显著优点是：(1)本发明实现了基于忆阻器的细胞神经网络可调权值模块的仿真；(2)相比于传统突触电路一旦确定即不能更改突触权值的大小，忆阻突触可以在使用是通过电压脉冲精确调整突触权值大小；(3)忆阻器是一种纳米级电路元件，使用忆阻器实现细胞突触，可以极大的提升网络的集成度；(4)使用忆阻器实现细胞突触，可以去除传统细胞突触电路中的乘法电路，可以缩减网络的规模；(5)忆阻器是一种非易失性元件，即其忆阻值在没有外部信号源的情况下不会发生变化，使用忆阻器实现的细胞突触电路不用像电容实现的突触一样需要定时调整突触大小；(6)忆阻器是类似于电阻的元件，使用忆阻器实现细胞，可以极大的减小电路的功耗。

附图说明

图1是细胞神经网络结构示意图；

图2是细胞神经网络与忆阻器模块的信号转换电路涂；

图3是忆阻突触电路图；

图4是细胞神经网络实际电路图；

图5是调节细胞突触至1的忆阻器的权值变化图，此时外加电压脉冲时间为0，因为忆阻阻初始值设为1,所以实际上可以不加外加电压脉冲此时；

图6是调节细胞突触至0.5的忆阻器的权值变化图，外加周期为5s,占空比为％10.57的电压脉冲，从图中可以看到，忆阻突触权值被精确调节为所需要的权值大小；

图7是调节细胞突触至0的忆阻器的权值变化图，外加周期为5s,占空比为％18.60的电压脉冲。从图中可以看到，忆阻突触权值被精确调节为所需要的权值大小；

图8是调节细胞突触至1的忆阻器的权值变化图，外加周期为5s,占空比为％36.40的电压脉冲，从图中可以看到，忆阻突触权值被精确调节为所需要的权值大小；

图9是使用忆阻突触权值电路搭建的细胞反馈模板a图，其中weighta封装的是突触权值电路；

图10是使用忆阻突触权值电路搭建的细胞控制模板b的图，其中weightb封装的是突触权值电路；

图11是调节模板权值图，(a)表示的控制模板b,(b)表示的是反馈模板a；

图12(a)是仿真时网络各个细胞的初始值图,(b)是网络的输出图；

图13是网络中各个细胞最后的状态图；

图14是使用忆阻细胞神经网络进行仿真时，细胞c(2,2)的状态与输出随时间变化图。

具体实施方式

细胞神经网络数学模型

细胞c(i,j)的细胞神经网络模型为：

式中，c为线性电容，节点电压vxij表示细胞c(i,j)的状态，节点电压vuij表示细胞c(i,j)的输入，节点电压vyij表示细胞c(i,j)的输出，nr(i,j)表示细胞c(i,j)的邻域，a(i,j；k,l)是细胞c(i,j)的输出反馈模板，表示细胞c(k,l)的输出与细胞c(i,j)之间的连接权值，b(i,j；k,l)是细胞c(i,j)的输入控制模板，表示细胞c(k,l)的输入与细胞c(i,j)之间的连接权值，r表示电阻，i表示独立电流源。

忆阻器数学模型

忆阻器的是一种由记忆性的二端口电路元件，其定义为磁通对电荷的导数m(t)为忆阻器的阻值，是磁通,q(t)是电荷量，可以看到忆阻器的阻值与电流的积分有关系，所以忆阻器是一种阻值可以调节的二端口元件，其电压电流关系为忆阻器的电阻为其中uv是漂移速率，大小为10^-10cm²s^-1v^-1。忆阻器的状态变量通常是非线性的，即需要乘上一个窗函数fp(w)，在这里使用f(w)＝1-(2w-1)^2p，得到

仿真方法

步骤1：搭建忆阻器的simulink模型，具体包括：

1-1：使用simulink的积分模块实现对忆阻器状态变量w(t)的积分，其中求解器采用ode45；

1-2：使用simulink的自定义函数模块实现忆阻器窗函数其中，d是忆阻器的厚度参数，窗函数参数p为10；

1-3：使用simulink的gain模块实现在本模型中其大小为1e⁴，其中，uv为漂移速率，ron表示忆阻器全部掺杂时电阻值；

1-4：计算roff-w(t)*δr，范围为[16900ω,144100ω]，然后将结果传送到信号转换模块simulink-psconvert转换为物理信号后输入到可变电阻模块，从而实现忆阻器阻值的变化；其中，roff表示忆阻器全部非掺杂时的电阻值，δr表示roff-ron；currentsensor与voltagesensor分别为电源与电压感知，作用是测量电路中对应位置的电流与电压信号。

步骤2：搭建细胞神经网络与忆阻器模块的信号转换电路，如图2所示，具体包括：

采用simulink-psconvert将信号转换为物理信号，然后将其输入simscape的控制电压源，即可以获得simscape电压源脉冲，从而实现将simulink电压脉冲信号转换为simscape信号的信号转换。

由于忆阻模型是基于simscape物理元件搭建的，即使用可变电阻模拟忆阻器。所以在集成到simulink搭建的cnn模型中时，要进行必要的信号转换。其功能是将数学模型信号源转换为simscape信号源。

步骤3：在simulink中，通过将忆阻器先并联再串联的方式搭建惠斯通电桥结构的忆阻突触电路。本实施例忆阻器为四个，忆阻突触电路是将忆阻器m1与m2，m3与m4分别反极性串联，然后将两个串联结构并联，如图3所示。m1至m4的阻值分别为m1＝m2＝14.41kω,m2＝m3＝1.69kω。

步骤4：将使用simulink搭建的忆阻突触电路封装后集成到细胞神经网络电路中，搭建一个细胞神经网络电路，如图4所示，具体为：使用simulink的subsystem将忆阻桥突触电路封装成一个二端口的子系统，一个端口为电压源的输入端，一个为经过突触权值后的电流源输出端。

由电路分压规则可得各个节点的电压值如下：

在以上公式中，m1,m2,m3和m4分别代表各个忆阻器在t时刻的忆阻值。忆阻器和电阻一样遵循电路分压定律。忆阻器桥突触输出电压vout等于节点a和b电压差，表示如下：

以上公式可以被重写表示突触权值和突触输入之间关系的等式，如下所示。

vout＝ψvin

上式中的ψ极为本发明的忆阻突触权值的表示方式。

下面将结合仿真结果具体说明如何使用本发明的忆阻突触权值电路获得不同的突触权值。

(1)调节突触权值为1，因为初始权值设为1所以无需更改即可获得需要的突触权值。如图5所示，在图5(a)m1与m2权值变化情况，图5(b)表示的是m3与m4权值变化情况，图5(c)表示的忆阻突触权值变化情况。

(2)调节突触权值为0.5，此时施加一个幅度为1v周期为5s,占空比为％10.57的电压脉冲。图6(a)表示的是m1与m2权值变化情况，图6(b)表示的是m3与m4权值变化情况，图6(c)表示的忆阻突触权值变化情况，可以看到权值稳定为0.5。

(3)调节突触权值为0，此时施加一个幅度为1v周期为5s,占空比为％18.60的电压脉冲。图7(a)表示的是m1与m2权值变化情况，图7(b)表示的是m3与m4权值变化情况，图7(c)的忆阻突触权值变化情况，可以看到权值稳定为0。

(4)调节忆阻突触权值为-1，此时施加一个幅度为1v周期为5s,占空比为％36.4的电压脉冲。图8(a)表示的是m1与m2权值变化情况，图8(b)表示的是m3与m4权值变化情况，图8(c)的忆阻突触权值变化情况，可以看到权值稳定为-1。

将忆阻突触权值电路封装成子系统集成到细胞神经网络电路，可以获得图9与图10所示的细胞突触权值模板电路。图9表示的cnn反馈模板，图10表示的cnn控制模板，本仿真说明使用模板大小为3×3

调节模板权值如图11，图中(a)表示的控制模板b,图中(b)表示的是反馈模板a。

图12(a)是仿真时网络各个细胞的初始值图,(b)是网络的输出图；图13表示的网络中各个细胞最后的状态。

图14表示的使用忆阻细胞神经网络进行仿真时，细胞c(2,2)的状态与输出随时间变化图，从图中可以看到，网络可以500us内达到稳定，即说明本发明提出的忆阻突触与传统的细胞突触可以实现同样的功能。

以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。