[發(fā)明專利]基于憶阻器神經(jīng)網(wǎng)絡(luò)的輻射效應(yīng)診斷系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010960715.7
• 申請(qǐng)日: 2020-09-14
• 公開（公告）號(hào): CN112130057A
• 公開（公告）日: 2020-12-25
• 發(fā)明（設(shè)計(jì)）人: 王新勝;喻明艷;韓良;王靜
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（威海）
• 主分類號(hào): G01R31/28
• 分類號(hào): G01R31/28;G06N3/04;G06N3/08
• 代理公司: 威海科星專利事務(wù)所 37202
• 代理人: 孫小棟

1.一種基于憶阻器神經(jīng)網(wǎng)絡(luò)的輻射效應(yīng)診斷系統(tǒng)，其特征在于，通過以下過程來實(shí)現(xiàn)：

第一步，搭建模擬輻射現(xiàn)象的器件模型，通過器件模型模擬仿真輻射現(xiàn)象，根據(jù)器件模擬仿真結(jié)果提取關(guān)鍵參數(shù)，通過輻射帶來的1/f噪聲變化導(dǎo)致的電流改變獲取不同的輻射故障情況下的不同電流功耗數(shù)據(jù)，將其作為故障數(shù)據(jù)集；

第二步，通過卷積神經(jīng)網(wǎng)絡(luò)對(duì)故障數(shù)據(jù)集進(jìn)行預(yù)處理，然后通過設(shè)定訓(xùn)練的迭代次數(shù)對(duì)單組數(shù)據(jù)輸入網(wǎng)絡(luò)的訓(xùn)練次數(shù)，使用隨機(jī)梯度下降的方法進(jìn)行訓(xùn)練；

第三步，采用參數(shù)移植的方法，將所述第二步訓(xùn)練之后的卷積神經(jīng)網(wǎng)絡(luò)參數(shù)移植到憶阻器交叉陣列神經(jīng)網(wǎng)絡(luò)電路中，將神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置映射到憶阻器的電導(dǎo)值中，實(shí)現(xiàn)輻射故障診斷神經(jīng)網(wǎng)絡(luò)的硬件電路的搭建，硬件電路包括第一層一維卷積層電路、第二層一維卷積層電路、矩陣正負(fù)值運(yùn)算電路、最大池化電路、全連接層的電路結(jié)構(gòu)。

2.根據(jù)權(quán)利要求1所述的基于憶阻器神經(jīng)網(wǎng)絡(luò)的輻射效應(yīng)診斷系統(tǒng)，其特征在于，所述第二步中，預(yù)處理的過程是，對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)值初始化，采用Xavier正態(tài)分布進(jìn)行初始化，分別對(duì)一維卷積層和全連接層的偏置全部初始化，一維卷積層和全連接層的偏置全部初始化為0.0，權(quán)重為高斯分布。

3.根據(jù)權(quán)利要求1所述的基于憶阻器神經(jīng)網(wǎng)絡(luò)的輻射效應(yīng)診斷系統(tǒng)，其特征在于，所述第三步中，數(shù)據(jù)流拆分為正負(fù)部分流進(jìn)第一層一維卷積層電路，輸出正值數(shù)據(jù)流入最大池化層電路1，輸出到池化層1正負(fù)產(chǎn)生電路，生成正負(fù)值數(shù)據(jù)流入第二層一位卷積層電路，由此輸出正值數(shù)據(jù)流入最大池化層電路2，輸出正值數(shù)據(jù)到池化層1正負(fù)產(chǎn)生電路，生成正負(fù)值數(shù)據(jù)流入第二層一位卷積層電路全連接層。