用于特征选择的忆阻器遗传算法的加速器及其操作方法与流程

技术特征：
1.一种用于特征选择的忆阻器遗传算法的加速器，其特征在于，包括：第一控制模块(1)、忆阻器阵列模块(2)、第二控制模块(3)和处理器模块(4)；所述第一控制模块(1)与所述忆阻器阵列模块(2)相连，所述忆阻器阵列模块(2)与所述第二控制模块(3)双向连接，所述第二控制模块(3)与所述处理器模块(4)双向连接，所述处理器模块(4)与所述第一控制模块(1)相连；所述第一控制模块(1)用于将所述处理器模块(4)发送的数据转换为模拟量后输入至所述忆阻器阵列模块(2)中，并在解更新阶段更新所述忆阻器阵列模块(2)存储单元的状态；所述忆阻器阵列模块(2)用于存储特征子集，并通过基尔霍夫定律实现向量矩阵乘法的模拟运算，并在第一控制单元(1)和第二控制单元(3)的协同操作下实现忆阻器单元在阵列中的原位更新；所述第二控制模块(3)用于将所述忆阻器阵列模块(2)的电流信号，转换为电压信号，再将所述电压信号转换为数字信号后传输至所述处理器模块(4)中；所述处理器模块(4)用于在适应度计算阶段发送预处理后的数据到第一控制模块(1)，接收并处理所述第二控制模块(3)输出的数字信号。2.如权利要求1所述的加速器，其特征在于，所述第一控制模块(1)包括数据输入单元(11)和行控制单元(12)；所述数据输入单元(11)包括n个数模转换器，用于将所述处理器模块(4)发送的数据转换为模拟量并输出到所述行控制单元(12)中；所述行控制单元(12)用于在适应度计算阶段选择v
data
作为输入到所述忆阻器阵列模块(2)行线上的数据，并在解更新阶段根据当前进行的操作选择连接对应的模拟信号。3.如权利要求2所述的加速器，其特征在于，所述行控制单元(12)包括第一模拟多路选择器，所述模拟多路选择器的六个输入端依次连接s1[2:0]信号、v
data
信号、v
set
信号、v
reset
信号、v
read
信号和v
p
信号，所述模拟多路选择器的输出端与所述忆阻器阵列模块(2)的输入端连接；其中，v
data
是所述数据输入单元(11)转化后的模拟电压，s1[2:0]是来自所述处理器模块(4)的选择信号，v
set
和v
reset
分别是忆阻器件的set电压和reset电压，v
read
是读电压，v
p
是保护电压。4.如权利要求1-3任一项所述的加速器，其特征在于，所述忆阻器阵列模块(2)包括第一忆阻阵列(21)和第二忆阻阵列(22)；所述第一忆阻阵列(21)用于存储算法中的特征子集，并在阵列内部进行向量矩阵乘法的计算，在解更新阶段通过阵列中实现的交叉操作，在第二忆阻阵列(22)中产生新的特征子集；所述第二忆阻阵列(22)用于存储算法中的特征子集，并在阵列内部进行向量矩阵乘法的计算，在解更新阶段通过阵列中实现的交叉操作，在第二忆阻阵列(11)中产生新的特征子集。5.如权利要求1所述的加速器，其特征在于，所述第二控制模块(3)包括列控制单元(31)和输出采集单元(32)；所述列控制单元(31)用于在适应度计算阶段将一列得到的电流数据转换为电压数据，
并通过所述输出采集单元(32)将数字信号传输到处理器模块(4)中，并在解更新阶段，根据所进行的操作选择相应的端口信号输出。6.如权利要求5所述的加速器，其特征在于，所述列控制单元(31)包括2m个第二模拟多路选择器，每个模拟多路选择器的结构相同，均包括5个输入端口，依次连接选择信号s2[1:0]、有跨阻放大器tia、保护电压v
p
、操作电压vdd和地线gnd；所述输出采集单元(32)包括2m个模数转换电路，用于将模拟量转化成数字量并传输至所述处理器模块(4)中。7.如权利要求6所述的加速器，其特征在于，所述有跨阻放大器tia包括电阻r1和放大器；所述放大器的反向输入端作为所述有跨阻放大器的输入端，所述放大器的正向输入端接地，所述放大器的输出端作为所述有跨阻放大器的输出端；所述电阻r1连接在所述放大器的反向输入端与输出端之间。8.一种基于权利要求1-7任一项所述的加速器的操作方法，其特征在于，包括下述步骤：s1进行数据集的预处理：通过贝叶斯分类器计算方法在处理器模块中得到各个特征和各个分类类别的统计概率，并进行拉普拉斯平滑，将得到的数据进行取对数操作，并进行归一化后发送至数据输入单元；s2参数初始化：给定种群规模np、交叉率、变异率、锦标赛选择的数量和最大迭代次数，并通过生成随机的初始解集获得种群；将生成的初始种群映射并存储到第一忆阻阵列中，并设置第二忆阻阵列中的忆阻单元为高阻态；s3通过适应度函数计算来评价种群的好坏；s4种群更新步骤：通过行控制单元和列控制单元来更新存储在忆阻器阵列上的种群实现交叉操作和变异操作；s5重复步骤s3和步骤s4直到完成设置的迭代次数；s6当迭代完成后读取忆阻器阵列模块，并采用阵列中选择的特征额外进行一次适应度函数的计算，该函数由分类的准确度和所选择特征的长度决定，即fitness＝(1-α)
×
acc α
×
(1-l)，其中α∈(0,1)，acc为分类的准确度，l为所选特征长度占总特征长度的比例，选择适应度值最大的特征子集作为最终选择的结果。9.如权利要求8所述的操作方法，其特征在于，步骤s3具体为：处理器模块将归一化后的数据传输到数据输入单元，经过数模转换器转换为电压数据后施加到忆阻器阵列模块的行输入端口，根据欧姆定律和基尔霍夫定律，在列上得到输入电压与对应忆阻器单元电导的累加电流结果，经过跨阻放大器将电流信号转换为电压信号，在通过模数转换器转换为数字信号后，传输到输出采集单元，最终在处理器模块中计算适应度函数。10.如权利要求8或9所述的操作方法，其特征在于，步骤s4具体为：
根据适应度计算的结果，将原种群中优秀的个体交叉配对后，产生新个体从而实现交叉操作；随机更新种群中的部分位置使其产生变化从而实现变异操作。

技术总结
本发明公开了一种用于特征选择的忆阻器遗传算法的加速器及其操作方法，加速器包括第一控制模块、忆阻器阵列模块、第二控制模块和处理器模块；第一控制模块将处理器模块发送的数据转换为模拟量后输入至忆阻器阵列模块中，并在解更新阶段更新忆阻器阵列模块存储单元的状态；忆阻器阵列模块存储特征子集，并实现忆阻器单元在阵列中的原位更新；第二控制模块接收忆阻器阵列模块的电流信号，并将其转换为电压信号，再将电压信号转换为数字信号后传输至处理器模块；处理器模块在适应度计算阶段发送预处理后的数据到第一控制模块，接收并处理第二控制模块输出的数字信号。本发明减少了数据传输的过程，降低了电路开销，有效的减少了运算时间和功耗。运算时间和功耗。运算时间和功耗。


技术研发人员：程伟明 房驰茗 周厚继 李祎 缪向水
受保护的技术使用者：湖北江城实验室
技术研发日：2022.10.27
技术公布日：2023/1/31