[实用新型]脉冲神经电路

说明书

技术领域

本实用新型涉及人工神经网络技术领域，尤其涉及脉冲神经电路。

背景技术

在人工神经网络领域，脉冲神经网络的模拟与实现在近年来引起了人们的广泛关注。针对生理上神经脉冲的主要特征，人们提出了许多不同的模型来进行拟合，如I&F模型、Izhikevich模型和H-H模型等等，而Izhikevich模型由于能更高效、更简单地实现精确的神经脉冲的模拟，成为了最常用的模型之一。在神经系统的实现方面，VLSI可利用电子元件和电路来模拟神经行为，成为了计算神经科学的一种主要实现方式。这其中，模拟集成电路由于具有更高效、更低功耗等优势，成为了脉冲神经电路设计的主流。为更好地实现Izhikevich模型的脉冲神经电路设计，人们提出了一种分段线性化的Izhikevich模型，分段线性的改进可以使Izhikevich模型的实现电路更加简单、准确。

所谓分段线性化的Izhikevich模型，是指采用分段描述来替代Izhikevich模型中的平方项，其表达式为：

当ν≥v_th时，

其中，ν表示膜电位，u表示膜恢复电位，I表示输入电流，k₁、k₂、k₃、a、b为常数；v_th为膜电位阈值，当膜电位超过膜电位阈值，则ν和u被重新赋值；c、d为常数，选择不同的c、d值可得到不同模式的神经脉冲模式。

目前Izhikevich模型的脉冲神经电路主要实现方案有：(1)采用MOS管饱和区的平方特性来模拟Izhikevich模型的表达式。参见文献Jayawan H B Wijekoon,Piotr Dudek.Compact silicon neuron circuit with spiking and bursting behavior.Neural Netw[J].Neural Networks,2008,21(2-3):524-34。(2)采用tau-cell结构以全电流信号的方式模拟Izhikevich模型的表达式。参见文献Van Schaik A,Jin C T,McEwan A L,et al.A log-domain implementation of the Izhikevich neuron model[C].ISCAS.2010:4253-4256。(3)采用CCII和二极管组合的方式实现分段线性化的Izhikevich模型。参见文献Sharifipoor O,Ahmadi A.An analog implementation of biologically plausible neurons using CCII building blocks[J].Neural Networks the Official Journal of the International Neural Network Society,2012,36C(8):129-135。

上述实现方案的问题在于：如上述方案(1)采用饱和区工作的MOS管会消耗较大的电源电压，使得功耗较大，很难构成大规模神经网络；此外，MOS管饱和区尽管能够出现平方项，但该方案下构成的电路所实现的表达式与Izhikevich模型的表达式仍有很大差别。方案(2)中全电流形式构成的电路是将Izhikevich模型中的变量全部转换为电流，只是满足了转换后的数学表达式中的关系，然而实际的神经脉冲是由离子电流的注入而引起的变化的膜电位，也即Izhikevich模型所要模拟的是电压与电流之间的转化关系；此外该电路中用到了很多的偏置电流，会增加电路实现的难度。方案(3)采用CCII和二极管组合的方式实现分段线性化的Izhikevich模型，实现理论简单，但由于采用了二极管，该电路难以集成；同时，为保证CCII电路正常工作采用双电源供电，供电方式复杂且电源电压较高。

实用新型内容

本实用新型实施例提供一种脉冲神经电路，用以使电路实现更简单，提高电路集成度，并在低电压低功耗条件下更好的模拟分段线性化Izhikevich模型，该脉冲神经电路包括脉冲产生电路和膜电位重赋值电路；

脉冲产生电路，通过运算跨导放大器，与运算跨导放大器连接的电流绝对值电路、电流镜、用于模拟膜电位的第一电容C_v和用于模拟膜恢复电位的第二电容C_u，被构造为用于模拟神经脉冲振荡；