[发明专利]一种应用于神经元的全数字仿生电路及系统

说明书

本申请实施例所公开的一种应用于神经元的全数字仿生电路及系统，其中，电路包括神经元输入模块、时钟选择模块、计数模块、置零延时模块和神经元输出模块，计数模块具有脉冲信号输入端、时钟信号输入端、清零端和计数信号输出端，神经元输入模块与脉冲信号输入端连接，时钟选择模块与时钟信号输入端连接，置零延时模块与清零端连接，神经元输出模块与计数信号输出端连接。基于本申请实施例，能够在神经网络中动态地进行神经元信号的向上或者向下计数，并且通过置零延时模块能够对置零信号和计数信号进行展宽，模拟神经元的不应期，使得计数模块中的数据清零。该仿生电路采用全数字设计，不仅能够简化电路的复杂程度，而且能够减少电路的功耗，便于实现大规模电路集成。

技术领域

本发明涉及人工智能领域，尤其涉及一种应用于神经元的全数字仿生电路及系统。

背景技术

20世纪80年代以来，由于脉冲神经元网络由于具有强大的计算能力和接近生物神经元的特性，成为人工智能研究的新热点。

目前，神经元电路的建模模型主要包括：Hodgkin-Huxley电路、Leaky Integrate-and-Fire电路和Izhikevich电路。如图1所示为Hodgkin-Huxley 电路的简化示意图，尽管Hodgkin-Huxley建模电路具有较好的动态特性以适用于多种脉冲模式，但是图中可见Hodgkin-Huxley建模电路包括大量的场效应晶体管，大量场效应晶体管的使用，直接增加了电路的复杂性，严重制约了Hodgkin-Huxley建模电路在大规模神经网络或者工程中的应用。如图2所示为Leaky Integrate-and-Fire建模电路的简化示意图，虽然 LeakyIntegrate-and-Fire建模电路相较于Hodgkin-Huxley建模电路简单，但是当Integrate-and-Fire建模电路用于实现模拟特性时，该电路的泄放电阻和累积电容都比较大，也无法实现在大规模神经网络或者工程中的应用。基于上述两种电路的局限性，Izhikevich建模电路作出改良，不仅控制其计算的复杂性在Hodgkin-Huxle建模电路和Leaky Integrate-and-Fire建模电路之间，而且控制其生物性能的正确性满足大规模神经网络的仿真要求。但其仅仅是在数学上的拟合，缺少神经元内部的信息，使得神经网络编码、动态特性以及硬件方面都较为困难实现。

发明内容

本申请实施例提供一种应用于神经元的全数字仿生电路，包括：神经元输入模块、时钟选择模块、计数模块、置零延时模块和神经元输出模块；

计数模块具有脉冲信号输入端、时钟信号输入端、清零端和计数信号输出端；

神经元输入模块与脉冲信号输入端连接；

时钟选择模块与时钟信号输入端连接；

置零延时模块与清零端连接；

神经元输出模块与计数信号输出端连接。

进一步地，神经元输入模块包括第一输入模块、第一非门和第二非门；

第一非门具有第一输入端和第一输出端；

第二非门具有第二输入端和第二输出端；

第一输入模块与第一输入端连接，第一输出端与第二输入端连接，第二输出端与脉冲信号输入端连接。

进一步地，时钟选择模块包括选通控制端、第一选通信号输入端、第二选通信号输入端和选通输出端；

选通控制端与第一输出端连接；

第一选通信号输入端用于输入第一时钟信号，第二选通信号输入端用于输入第二时钟信号；

选通输出端与时钟信号输入端连接。

进一步地，神经元输出模块包括锁存模块和信号输出模块；

锁存模块包括第一锁存输入端和锁存输出端；