[发明专利]基于振荡神经网络的信息内容确认方法、装置及系统

说明书

本发明提出的基于振荡神经网络的信息内容确认方法、装置及系统，其方法包括：将输入的数字信号编码为至少一个第一模拟信号；结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作，生成对应的第二模拟信号；对每个所述第二模拟信号进行分类，输出分类结果，本发明通过设置振荡神经网络，将信息储存在信号的频率中，进而一位信号存储一个信息，大大简化了计算量以及存储中间特征信息所需的内存，同时本发明易于大规模集成，抗噪声能力强，具有更高的应用价值，相较于现有技术制作工艺简单，受环境噪声影响较小，振荡器振荡频率较高，计算时长较短，能够用于复杂场景的内容识别。

技术领域

本发明属于人工智能领域，具体地讲，涉及一种基于振荡神经网络的信息内容确认方法、装置及系统。

背景技术

随着信息技术的不断发展和人们日益增长的需求，人们对信息及时性的要求越来越高，人工神经网络广泛应用于计算机视觉领域，在图像分类、目标识别与视频监测等方面已经获得了较为成熟的应用。

但随着神经网络识别率的逐步升高，神经网络结构变得愈加复杂，传统的神经网络模型(DNN、CNN等)运算量越来越大，需要大量的多bit乘加计算，存在诸多不足。

发明内容

本发明提供了一种基于振荡神经网络的信息内容确认方法、电路、装置和系统，以至少解决现有技术中存在的至少一个问题。

根据本发明的一个方面，一种基于振荡神经网络的信息内容确认方法，包括：

将输入的数字信号编码为至少一个第一模拟信号；所述数字信号是对待确认信息进行数字化得到；

结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作，生成对应的第二模拟信号；

对每个所述第二模拟信号进行分类，输出分类结果，以基于所述分类结果确认所述待确认信息的内容。

在优选的实施例中，所述第一模拟信号的类型为频率；所述将输入的数字信号编码为至少一个第一模拟信号，包括：

量化所述数字信号对应每一信号位的所有信号值，生成对应每一信号位的第一量化值，所述第一量化值处于第一设定量化范围内；

对一时钟信号进行小数分频，产生多个第一时钟分频信号，每个第一时钟分频信号对应所述第一设定量化范围内的其中一个第一量化值；

基于每个信号位的第一量化值，以及所述第一时钟分频信号与所述第一量化值的对应关系，选择第一分频参数进行分频，生成对应每个信号位的第一模拟信号。

在优选的实施例中，所述第二模拟信号的类型为频率；所述结合每个所述第一模拟信号的上升沿和下降沿对每个所述第一模拟信号进行耦合计算操作，生成对应的第二模拟信号，包括：

检测设定时长内每个所述第一模拟信号的上升沿数量和下降沿数量，并结合所述上升沿数量和下降沿数量计算每个所述第一模拟信号在设定时长内的周期数；

结合一预设权重矩阵对所有第一模拟信号的周期数进行乘加计算操作，得到第一乘加结果，并对所述第一乘加结果进行量化处理，生成对应所述第一乘加结果的第二量化值；每个第二量化值处于第二设定量化范围内；

对另一时钟信号进行小数分频，产生多个第二时钟分频信号，每个第二时钟分频信号对应所述第二设定量化范围内的其中一个第二量化值；

基于每个乘加结果对应的第二量化值，以及所述第二时钟分频信号与所述第二量化值的对应关系，选择第二分频参数进行分频，生成对应每个乘加结果的第二模拟信号，其中，所述第二模拟信号的位深度与所述第一模拟信号的位深度相同或不同。

在优选的实施例中，所述对每个所述第二模拟信号进行分类，输出分类结果，包括：