[发明专利]交叉阵列神经形态硬件中状态量化网络实现方法

权利要求书

1.交叉阵列神经形态硬件中状态量化网络实现方法，其特征在于，包括以下步骤：

S1:选取目标参数并对其进行量化，所述目标参数为权值、阈值、泄漏常数、置位电压值、不应期时长、突触延迟时长中的一个或多个；参数量化在神经网络训练完成后进行，或者在神经网络训练时进行，具体为：

A：在神经网络训练完成后量化，将人工神经网络在设定的目标条件下进行训练获得对应的目标参数，将目标参数映射到脉冲神经网络中并将选取的参数进行量化，即用几个量化状态来取代训练所得的参数的所有状态，对脉冲神经网络中量化的参数进行反复调整使得参数量化后的脉冲神经网络达到预定的功能与性能，则参数量化完成；

B：在神经网络训练时进行量化，将需要量化的目标参数，在对人工神经网络进行训练时将要量化的参数的取值进行量化，之后再对人工神经网络进行训练，训练完成后将参数映射到相应的脉冲神经网络中，并对训练所得的量化参数进行调整或重新选取量化参数值进行训练，直到脉冲神经网络能达到预定功能与性能，则参数量化完成；

S2：将S1中量化后的脉冲神经网络参数映射到交叉阵列神经形态硬件中：将训练好的脉冲网络中的量化参数映射到交叉阵列神经形态硬件对应的参数控制部分；交叉阵列神经形态硬件中正权值与负权值分别由各自对应的交叉阵列实现，输入分为正输入+V_in，1，+V_in，2，+V_in，3，……，+V_in，n与负输入-V_in，1，-V_in，2，-V_in，3，……，-V_in，n，其中，正权值交叉阵列中保留原来的正权值，负权值置零；负权值交叉阵列中保留原来的负权值，正权值置零，并对负权值取绝对值，每一个输入通过交叉阵列对应的单元的状态产生附加了权值的输入，一列正输入与对应的一列负输入分别接对应神经元的正输入与负输入，通过神经元内部实现正输入与负输入相减；

S3：对输入数据进行预处理，将预处理后的输入数据送入到交叉阵列神经形态硬件中，即可实现状态量化网络；所述预处理包括脉冲输入以及编码。

2.如权利要求1所述的交叉阵列神经形态硬件中状态量化网络实现方法，其特征在于，交叉阵列神经形态硬件中交叉阵列中的单元由一个电容构成。

3.如权利要求1所述的交叉阵列神经形态硬件中状态量化网络实现方法，其特征在于，交叉阵列神经形态硬件中交叉阵列中的单元由一个忆阻器构成。

4.如权利要求1所述的交叉阵列神经形态硬件中状态量化网络实现方法，其特征在于，交叉阵列神经形态硬件中交叉阵列中的单元由一个选择晶体管加可变电阻构成。

5.如权利要求1所述的交叉阵列神经形态硬件中状态量化网络实现方法，其特征在于，交叉阵列神经形态硬件中交叉阵列中的单元由一个晶体管构成。

6.如权利要求1所述的交叉阵列神经形态硬件中状态量化网络实现方法，其特征在于，交叉阵列神经形态硬件中交叉阵列中的单元由交叉阵列交叉处单元由一个选择晶体管加一个电容构成。

7.如权利要求1所述的交叉阵列神经形态硬件中状态量化网络实现方法，其特征在于，交叉阵列神经形态硬件中交叉阵列中的单元由一个整流二极管加一个可变电阻构成。