一种神经网络电路性能评估方法及装置

本发明涉及神经网络，尤其涉及一种神经网络电路性能评估方法及装置。

背景技术：

1、人工智能技术的快速发展推动了神经网络在各个领域的广泛应用。神经网络通过模拟人类大脑神经元的结构和机制，在计算机视觉、自然语言处理、语音识别等领域展现了强大的处理能力；此外，神经网络还在医疗保健、国防安全、金融服务和机器人技术等领域发挥了重要作用。

2、随着神经网络被不断应用于解决更复杂的问题，意味着网络的深度不断加深，其计算和存储需求也在大幅增加，对部署在硬件平台上时存储器的需求也随之提高，以及对神经网络的硬件电路的鲁棒性、安全性和可靠性的要求也在提高；电磁辐射、电路老化、温度和缺陷都会导致电路存储器的故障和损坏，从而影响部署在硬件平台上神经网络的性能。

3、现有的神经网络电路性能评估方法大多采用软件故障注入方式，通过对部署在神经网络电路的神经网络进行故障注入，评估并优化神经网络电路的稳定性，但该过程忽略了神经网络电路本身出现硬件故障时对神经网络性能的影响，导致网络性能的评估结果的可靠性较差。

技术实现思路

1、本发明提供了一种神经网络电路性能评估方法及装置，用于解决现有的神经网络电路性能评估方法导致网络性能的评估结果的可靠性较差的技术问题。

2、本发明第一方面提供的一种神经网络电路性能评估方法，包括：

3、获取评估样本数据集，并将所述评估样本数据集作为待评估神经网络电路的神经网络的输入，输出第一准确率；

4、对所述待评估神经网络电路中的神经网络单元注入预置噪声故障，确定噪声故障神经网络电路；

5、采用所述噪声故障神经网络电路根据所述第一准确率和所述评估样本数据集，生成所述待评估神经网络电路的硬件电路性能结果；

6、比较所述待评估神经网络电路中的神经网络单元的神经元数量与预置神经元数量阈值；

7、若所述神经元数量大于所述预置神经元数量阈值，则采用预置符号搜索技术对所述待评估神经网络电路进行性能评估，生成所述待评估神经网络电路的第一存储器性能评估结果；

8、若所述神经元数量小于或等于所述预置神经元数量阈值，则采用预置突触故障技术对所述待评估神经网络电路进行性能评估，生成所述待评估神经网络电路的第二存储器性能评估结果。

9、可选地，所述神经网络单元包括输入层神经网络单元、隐藏层神经网络单元和输出层神经网络单元；所述对所述待评估神经网络电路中的神经网络单元注入预置噪声故障，确定噪声故障神经网络电路的步骤，包括：

10、对所述待评估神经网络电路中的输入层神经网络单元注入所述预置噪声故障，确定输入层噪声故障神经网络电路；

11、对所述待评估神经网络电路中的隐藏层神经网络单元注入所述预置噪声故障，确定隐藏层噪声故障神经网络电路；

12、对所述待评估神经网络电路中的输出层神经网络单元注入所述预置噪声故障，确定输出层噪声故障神经网络电路。

13、可选地，所述采用所述噪声故障神经网络电路根据所述第一准确率和所述评估样本数据集，生成所述待评估神经网络电路的硬件电路性能结果的步骤，包括：

14、将所述评估样本数据集分别作为所述输入层噪声故障神经网络电路的神经网络、所述隐藏层噪声故障神经网络电路的神经网络和所述输出层噪声故障神经网络电路的神经网络的输入，输出输入层第二准确率、隐藏层第二准确率和输出层第二准确率；

15、分别对所述输入层第二准确率、隐藏层第二准确率、输出层第二准确率与所述第一准确率进行差值运算，确定输入层差值、隐藏层差值和输出层差值；

16、根据所述输入层差值的绝对值、所述隐藏层差值的绝对值和所述输出层差值的绝对值的比较结果，生成所述待评估神经网络电路的硬件电路性能结果。

17、可选地，所述若所述神经元数量大于所述预置神经元数量阈值，则采用预置符号搜索技术对所述待评估神经网络电路进行性能评估，生成所述待评估神经网络电路的第一存储器性能评估结果的步骤，包括：

18、对所述待评估神经网络电路中的突触注入预置权重故障数据集，确定权重故障神经网络电路；

19、将所述评估样本数据集作为所述权重故障神经网络电路的神经网络的输入，输出第三准确率；

20、对所述第三准确率和所述第一准确率进行差值运算，输出第一准确率变化差值并作为标签值；

21、采用所述标签值和所述预置权重故障数据集构建权重故障标签数据集；

22、基于预置adam优化算法，采用所述权重故障标签数据集对预置初始权重故障检测网络进行模型训练，确定训练好的目标权重故障检测网络；

23、采用所述目标权重故障检测网络根据待评估权重故障数据对所述待评估神经网络电路进行评估，生成所述待评估神经网络电路的第一存储器性能评估结果。

24、可选地，所述采用所述目标权重故障检测网络根据待评估权重故障数据对所述待评估神经网络电路进行评估，生成所述待评估神经网络电路的第一存储器性能评估结果的步骤，包括：

25、将所述待评估权重故障数据作为所述目标权重故障检测网络的输入，输出多个初始状态向量；

26、对各所述初始状态向量进行筛选，确定目标状态向量；

27、根据所述目标状态向量与预置比较常数的比较结果，生成所述待评估神经网络电路的第一存储器性能评估结果。

28、可选地，所述若所述神经元数量小于或等于所述预置神经元数量阈值，则采用预置突触故障技术对所述待评估神经网络电路进行性能评估，生成所述待评估神经网络电路的第二存储器性能评估结果的步骤，包括：

29、按照预置故障变换条件对所述待评估神经网络电路的突触的符号位和数值位进行数据格式变换，确定突触故障神经网络电路；

30、将所述评估样本数据集作为所述突触故障神经网络电路的神经网络的输入，输出第四准确率；

31、对所述第四准确率和所述第一准确率进行差值运算，输出第二准确率变化差值；

32、根据所述第二准确率变化差值与预置差值范围的比较结果，生成所述待评估神经网络电路的第二存储器性能评估结果。

33、本发明第二方面提供的一种神经网络电路性能评估装置，包括：

34、获取模块，用于获取评估样本数据集，并将所述评估样本数据集作为待评估神经网络电路的神经网络的输入，输出第一准确率；

35、第一故障模块，用于对所述待评估神经网络电路中的神经网络单元注入预置噪声故障，确定噪声故障神经网络电路；

36、硬件电路结果模块，用于采用所述噪声故障神经网络电路根据所述第一准确率和所述评估样本数据集，生成所述待评估神经网络电路的硬件电路性能结果；

37、比较模块，用于比较所述待评估神经网络电路中的神经网络单元的神经元数量与预置神经元数量阈值；

38、第二故障模块，用于若所述神经元数量大于所述预置神经元数量阈值，则采用预置符号搜索技术对所述待评估神经网络电路进行性能评估，生成所述待评估神经网络电路的第一存储器性能评估结果；

39、第三故障模块，用于若所述神经元数量小于或等于所述预置神经元数量阈值，则采用预置突触故障技术对所述待评估神经网络电路进行性能评估，生成所述待评估神经网络电路的第二存储器性能评估结果。

40、本发明第三方面提供的一种计算机设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述任一项所述的神经网络电路性能评估方法的步骤。

41、本发明第四方面提供的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述任一项所述的神经网络电路性能评估方法。

42、本发明第五方面提供的一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被计算机执行时，使所述计算机执行如上述任一项所述的神经网络电路性能评估方法。

43、从以上技术方案可以看出，本发明具有以下优点：

44、本发明的上述技术方案提供了一种神经网络电路性能评估方法，首先获取评估样本数据集，并将评估样本数据集作为待评估神经网络电路的神经网络的输入，输出第一准确率；接着，对待评估神经网络电路中的神经网络单元注入预置噪声故障，确定噪声故障神经网络电路；采用噪声故障神经网络电路根据第一准确率和评估样本数据集，生成待评估神经网络电路的硬件电路性能结果；最后，比较待评估神经网络电路中的神经网络单元的神经元数量与预置神经元数量阈值；若神经元数量大于预置神经元数量阈值，则采用预置符号搜索技术对待评估神经网络电路进行性能评估，生成待评估神经网络电路的第一存储器性能评估结果；若神经元数量小于或等于预置神经元数量阈值，则采用预置突触故障技术对待评估神经网络电路进行性能评估，生成待评估神经网络电路的第二存储器性能评估结果；基于上述方案，采用噪声故障神经网络电路根据第一准确率和评估样本数据集，生成待评估神经网络电路的硬件电路性能结果的过程，能够分析注入的噪声故障对待评估神经网络电路硬件电路性能的影响，然后比较待评估神经网络电路中的神经网络单元的神经元数量与预置神经元数量阈值，根据待评估神经网络电路的规模大小，采用相应的预置符号搜索技术或预置突触故障技术对待评估神经网络电路进行评估，生成存储器性能评估结果的过程，能够探究存储器损坏对电路性能的影响，进一步地提高了网络性能的评估结果的可靠性。

技术特征：

1.一种神经网络电路性能评估方法，其特征在于，包括：

2.根据权利要求1所述的神经网络电路性能评估方法，其特征在于，所述神经网络单元包括输入层神经网络单元、隐藏层神经网络单元和输出层神经网络单元；所述对所述待评估神经网络电路中的神经网络单元注入预置噪声故障，确定噪声故障神经网络电路的步骤，包括：

3.根据权利要求2所述的神经网络电路性能评估方法，其特征在于，所述采用所述噪声故障神经网络电路根据所述第一准确率和所述评估样本数据集，生成所述待评估神经网络电路的硬件电路性能结果的步骤，包括：

4.根据权利要求1所述的神经网络电路性能评估方法，其特征在于，所述若所述神经元数量大于所述预置神经元数量阈值，则采用预置符号搜索技术对所述待评估神经网络电路进行性能评估，生成所述待评估神经网络电路的第一存储器性能评估结果的步骤，包括：

5.根据权利要求4所述的神经网络电路性能评估方法，其特征在于，所述采用所述目标权重故障检测网络根据待评估权重故障数据对所述待评估神经网络电路进行评估，生成所述待评估神经网络电路的第一存储器性能评估结果的步骤，包括：

6.根据权利要求1所述的神经网络电路性能评估方法，其特征在于，所述若所述神经元数量小于或等于所述预置神经元数量阈值，则采用预置突触故障技术对所述待评估神经网络电路进行性能评估，生成所述待评估神经网络电路的第二存储器性能评估结果的步骤，包括：

7.一种神经网络电路性能评估装置，其特征在于，包括：

8.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-6任一项所述的神经网络电路性能评估方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1-6任一项所述的神经网络电路性能评估方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，其中，当所述程序指令被计算机执行时，使所述计算机执行如权利要求1-6任一项所述的神经网络电路性能评估方法。

技术总结
本发明公开了一种神经网络电路性能评估方法及装置，包括将获取的评估样本数据集作为待评估神经网络电路的神经网络的输入，输出第一准确率；对待评估神经网络电路中的神经网络单元注入预置噪声故障，确定噪声故障神经网络电路；采用噪声故障神经网络电路根据第一准确率和评估样本数据集，生成待评估神经网络电路的硬件电路性能结果；采用预置符号搜索技术对待评估神经网络电路进行性能评估，生成待评估神经网络电路的第一存储器性能评估结果；采用预置突触故障技术对待评估神经网络电路进行性能评估，生成待评估神经网络电路的第二存储器性能评估结果；解决了现有的神经网络电路性能评估方法导致网络性能的评估结果的可靠性较差的技术问题。

技术研发人员：孙博,谢晓燕
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2024/9/23