摘要
本发明涉及人工智能与神经形态计算技术领域，具体是一种基于裁剪策略的高容错忆阻器在线学习方法及系统，包括：(1)构建支持Trace‑STDP学习规则的神经网络架构，包括输入层、兴奋层、抑制层及用于存储Trace变量的忆阻器阵列；(2)基于忆阻器电导可调特性执行Trace变量的物理写入与衰减过程；(3)通过逐行读取机制获取忆阻器阵列的电导状态，将电导值转换为Trace变量后，与裁剪阈值进行比较；若Trace值低于裁剪阈值，则将其裁剪为0，否则保留原值；(4)将裁剪后的Trace变量输入至权重更新模块，根据Trace‑STDP学习规则调整神经网络连接权重，以增强系统对忆阻器C2C与D2D不一致性的鲁棒性。本方案有实现简单、精度提升明显、对硬件资源影响小等优点。
