Mise en œuvre de l'ICA rapide utilisant des matrices de matrices croisées de memristors pour des séparations de sources d'images à l'aveugle

L'analyse en composantes indépendantes (ICA) est une approche d'apprentissage non supervisée pour calculer les composantes indépendantes (IC) à partir des signaux multivariés ou de la matrice de données. Les IC sont évalués en fonction de la multiplication de la matrice de poids avec la matrice de données multivariées. Cette étude propose une nouvelle matrice de memristors Pt/Cu:ZnO/Nb:STO pour la mise en œuvre tant de l'ICA ACY que de l'ICA rapide pour la séparation de sources aveugles. L'entrée de données a été appliquée sous la forme de tensions modulées en largeur d'impulsion à la matrice croisée et le poids du réseau de neurones mis en œuvre est stocké dans le memristor. Les charges de sortie des colonnes de memristors sont utilisées pour calculer la mise à jour des poids, qui est exécutée par des tensions maintenues supérieures aux tensions Set/Reset du memristor (±1,30 V). Afin de démontrer son application potentielle, l'architecture ICA rapide basée sur des matrices de memristors proposées est employée pour le problème de séparation de sources d'images. Les résultats expérimentaux montrent que l'approche proposée est très efficace pour séparer les sources d'images, et également que le contraste des images est amélioré avec un facteur d'amélioration en termes de pourcentage de similitude structurelle de 67,27 % par rapport à la mise en œuvre logicielle des algorithmes conventionnels d'ICA ACY et d'ICA rapide.