[发明专利]一种基于脉冲神经网络的无乘法卷积调度器及其硬件实现方法

权利要求书

1.一种基于脉冲神经网络的无乘法卷积调度器，其特征在于，包括：

处理器；

存储单元，包括至少一组用于存储神经元状态的第一存储区，至少一组用于存储膜电位的第二存储区，以及至少一组用于存储突触权重的第三存储区；

卷积控制器，用于对所述处理器的指令进行解码，控制卷积计算的整体执行；所述卷积控制器从所述存储单元读数写数，管理计算单元的输入输出，并据此更新神经元状态；

计算单元，与所述卷积控制器电性连接，用于计算前一层有效神经元发射的尖峰信号，据此判断当前层神经元是否被激活，最终更新神经元状态。

2.根据权利要求1所述的一种基于脉冲神经网络的无乘法卷积调度器，其特征在于，所述膜电位和突触权重至少以8路并行存储；所述膜电位数据按行依次存放在编号0~7的RAM中，同时每个RAM从高到低依次存放1~8通道的膜电位结果，若通道数大于8，则在存完1~8通道结果后，继续存9~16通道，以此类推。

3.根据权利要求1所述的一种基于脉冲神经网络的无乘法卷积调度器，其特征在于，突触权重规格为3×3×InC，其中InC是输入层的通道数，每一层的结果共享相同的权重，共有OutC个3×3×InC规格的权重，其中OutC为结果通道数；每个RAM从高到低依次存放第1~8个的突触权重值，若OutC大于8，则继续往下存。

4.根据权利要求1所述的一种基于脉冲神经网络的无乘法卷积调度器，其特征在于，所述卷积控制器采用至少64路并行计算，8路控制器控制计算8行卷积结果，同时每路控制器负责计算8个channel的结果，1个channel代表卷积结果的1个通道；每个channel共享相同输入神经元状态，对应不同的权重。

5.一种基于脉冲神经网络的无乘法卷积调度器的硬件实现方法，其特征在于，包括如下步骤：

步骤1、将一个内核对应的神经元状态按下一层结果顺序存入先入先出队列中；

步骤2、将所述先入先出队列中的数送入“1”过滤器，过滤出状态值为1的神经元在内核中对应的位置索引，并解码出有效权重的地址，过滤完成后再取下一个数；

步骤3、根据解码地址从存储单元读取对应的突触权重值和膜电位值；

步骤4、将突触权重值和膜电位值送入计算单元，并将计算结果原位存回存储单元。

6.根据权利要求5所述的一种基于脉冲神经网络的无乘法卷积调度器的硬件实现方法，其特征在于，使用小于预定值的RAM，并行取出至少1个内核中的一层神经元状态，并通过至少三级缓存在1个预定周期内取出内核中所有的神经元状态，将取出的神经元状态，存入先入先出队列中实现流水取数。

7.根据权利要求5所述的一种基于脉冲神经网络的无乘法卷积调度器的硬件实现方法，其特征在于，所述先入先出队列中每个位置存储有N个神经元状态；

其中N是1个内核对应的权重个数，“1”代表神经元被激活，M是内核中被激活神经元的个数，利用“1”过滤器在M个周期内过滤出M个“ 1”状态神经元对应的index。