[發明專利]基于耦合MEMS諧振器的儲備池計算硬件的實現方法及裝置

有效

• 申請號: 202011069927.2
• 申請日: 2020-09-30
• 公開（公告）號: CN112163358B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 鄒旭東;孫杰;楊伍昊;鄭天依;熊興崟;汪政;李志天
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F30/27;G06F17/12;G06F111/10
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 周天宇

一種基于耦合MEMS諧振器的儲備池計算硬件的實現方法及裝置，方法包括：對待測時序信號進行預處理，以使待測時序信號與耦合MEMS諧振器的虛擬節點對應；設計耦合MEMS諧振器的非線性振動方程，根據該方程將耦合MEMS諧振器調控至預設非線性工作點；分別對MEMS耦合諧振器的兩個信號測試端進行檢測，得到各時刻對應的待測信號對應的第一輸出信號及第二輸出信號，其中，將當前時刻的待測信號對應的輸出信號通過雙向時延反饋回路反饋至下一時刻對應的虛擬節點；將預設目標值與各時刻對應的待測信號對應的第一輸出信號及第二輸出信號進行回歸訓練，得到儲備池計算所需的權重系數。該方法增強了數據映射維度與記憶性能，為儲備池計算提供更豐富的非線性特性。

技術領域

本公開涉及神經網絡計算領域，特點是涉及一種基于耦合MEMS諧振器的儲備池計算硬件的實現方法及裝置。

背景技術

儲備池計算(Reservoir?Computing，簡稱RC)是在遞歸神經網絡(RecurrentNeural?Network，簡稱RNN)基礎上改進的一種神經網絡算法模型，通常由輸入層、大量隨機互聯的非線性節點組成的儲備池和輸出層構成。訓練時其輸入連接權重和內部連接權重隨機生成且保持不變，只需對輸出連接權重進行訓練。RC因其簡單的訓練方式和在時序信號預測、語音識別與分類任務中的優良性能而在許多場景有著廣泛的應用。

耦合微機電系統(Micro-electromechanical?Systems，簡稱MEMS)諧振器由微米和納米加工工藝制造而成的通過機械或靜電耦合結構連接的兩個諧振器構成，主要利用諧振器內部結構機械諧振特性以及模態間振動能量耗散轉移相關機制工作。除了結構非線性、材料非線性外，耦合MEMS諧振器由于其內部模態和物理場的耦合會引入更多非線性現象，使得其非線性動力學特性更加豐富。因此，利用耦合MEMS諧振器豐富的非線性動力學特性，作為儲備池計算的儲備池不僅可以節省計算資源，提升處理速度和計算能力，更能滿足物聯網場景下感知、存儲、計算一體的實際需要。

目前，相關技術公開了一種基于MEMS諧振器的儲備池計算硬件實現方法，該方法中儲備池計算系統由單個MEMS諧振器和一套時延反饋電路構成，通過在奇偶校驗(Paritybenchmark)和TI-46孤立語音數字數據集上的測試初步實現了對簡單語音信號的分類能力，驗證了該硬件實現方案的可行性。然而，該方法未對諧振器設計進行優化，導致實際應用時電路功耗過高，并且也并未對待測語音信號做特征提取等優化處理，導致其精度較低，對TI-46孤立語音數字數據集的測試精度最好為78±2％，無法滿足更復雜的任務。

發明內容

(一)要解決的技術問題

針對于上述技術問題，本公開提出一種基于耦合MEMS諧振器的儲備池計算硬件的實現方法及裝置，用于至少部分解決上述技術問題。

(二)技術方案

根據本公開第一方面，提供一種基于耦合MEMS諧振器的儲備池計算硬件的實現方法，包括：對待測時序信號進行預處理，以使所述待測時序信號中各時刻對應的待測信號與所述耦合MEMS諧振器的虛擬節點維度一一對應；設計所述耦合MEMS諧振器的非線性振動方程：