[发明专利]基于FLASH存算阵列的脉冲型卷积神经网络

权利要求书

1.一种基于FLASH存算阵列的脉冲型卷积神经网络，其特征在于，包括：采样模块、多层卷积模块、以及计数器模块，其中，每一层所述卷积模块都包括基于FLASH的存算阵列及其对应的神经元模块；

所述采样模块用于对输入图像进行采样，得到输入脉冲；

所述基于FLASH的存算阵列存储有权重矩阵，其对输入脉冲与权重矩阵进行向量矩阵乘法运算，运算结果以电流形式输出；

所述神经元模块对基于FLASH的存算阵列的运算结果进行积分，生成输出脉冲，以作为下一层卷积模块的输入脉冲；

所述计数器模块统计输出层的神经元模块产生的脉冲数量，将具有最大脉冲数量的神经元模块的脉冲数量作为识别结果。

2.如权利要求1所述的脉冲型卷积神经网络，其特征在于，所述采样模块利用泊松采样或高斯采样对输入图像进行采样，得到输入脉冲。

3.如权利要求1所述的脉冲型卷积神经网络，其特征在于，所述基于FLASH的存算阵列包括：多个FLASH单元、多条字线、多条源线、多条位线、多个减法器；

多个FLASH单元组成的存算阵列，每一列FLASH单元的栅极连接相同的字线，源极连接相同的源线，每一行FLASH单元的漏极连接相同的位线；每个减法器的正极端和负极端分别连接相邻两条位线。

4.如权利要求3所述的脉冲型卷积神经网络，其特征在于，

所述字线的数量对应于所述存算阵列的列数，输入脉冲通过字线输入FLASH单元；

所述源线的数量对应于所述存算阵列的列数，所述源线均接固定的驱动电压；

所述位线的数量对应于所述存算阵列的行数，每一行位线叠加该行各列FLASH单元的漏极信号，并将叠加的漏极信号作为输出信号输出。

5.如权利要求3所述的脉冲型卷积神经网络，其特征在于，所述FLASH单元存储有卷积神经网络的权重值，所述基于FLASH的存算阵列存储卷积神经网络的权重矩阵。

6.如权利要求5所述的脉冲型卷积神经网络，其特征在于，对所述FLASH单元编程，所述FLASH单元的存储状态视为“0”；对所述FLASH单元擦除，所述FLASH单元的存储状态视为“1”。

7.如权利要求5所述的脉冲型卷积神经网络，其特征在于，所述减法器正极端连接的位线上的FLASH单元存储正权重值，其负极端连接的位线上的FLASH单元存储负权重值。

8.如权利要求1所述的脉冲型卷积神经网络，其特征在于，神经元模块包括：比较器、脉冲产生电路、复位开关、积分电容；

积分电容对运算结果进行积分，比较器将积分得到的输出电压与预先设置的阈值电压进行比较，如果输出电压超过阈值电压，比较器触发脉冲产生电路输出脉冲，并通过比较器的反馈触发复位开关，将神经元模块置为初始状态；如果输出电压未超过阈值电压，比较器不会触发脉冲产生电路，脉冲产生电路不输出脉冲。