[发明专利]面向片上脉冲神经网络的神经元实现系统有效

专利信息
申请号: 202210325009.4 申请日: 2022-03-30
公开(公告)号: CN114418081B 公开(公告)日: 2022-07-19
发明(设计)人: 马德;孙世春;胡有能;李一涛;金孝飞;陆启明;潘纲 申请(专利权)人: 浙江大学;之江实验室
主分类号: G06N3/063 分类号: G06N3/063
代理公司: 杭州天勤知识产权代理有限公司 33224 代理人: 曹兆霞
地址: 310058 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 面向 脉冲 神经网络 神经元 实现 系统
【说明书】:

本发明公开了一种面向片上脉冲神经网络的神经元实现系统,包括:脉冲触发控制单元,用于监听外界脉冲信号,当脉冲信号到达时向脉冲接收处理单元发送脉冲信号驱动事件;脉冲接收单元,用于被脉冲信号驱动事件唤醒后接收脉冲信号;时间步触发控制单元,用于监听外界时间步信号,当时间步信号到达时向神经元处理单元发送时间步信号驱动事件;神经元处理单元,用于被时间步信号驱动事件唤醒后从脉冲接收单元获取累积脉冲信号,并控制神经元依据脉冲信号和编码指令进行功能计算;分时复用控制单元,用于控制神经元处理单元分时复用同一编码指令以控制神经元进行功能计算。该系统具有扩展能力,兼具高效性和通用性。

技术领域

本发明属于脉冲神经网络技术领域,具体涉及一种面向片上脉冲神经网络的神经元实现系统。

背景技术

近年来,计算架构遭遇到存储墙、功耗墙、处理墙、规模墙等天花板效应日趋严重,传统计算机所遵循的冯诺依曼体系结构正在面临巨大的挑战。因此,迫切需要一种能够应对高密度数据、高维度特征的高效能计算技术,以满足有限算力与快速增长的数据处理需求。

随着脑科学的发展,人们逐渐了解到人脑是一部极高能效的计算机,类脑计算应运而生。类脑计算的基本思路是将生物神经网络的概念应用于计算机系统设计,类脑计算是指对大脑神经系统和信息处理过程的模拟,实现高性能、低功耗的计算系统。如专利文献CN108073982A公开了一种类脑计算系统,包括一个以上神经元和一个以上MTJ突触,MTJ突触包括记忆MTJ和参考MTJ;MTJ突触的输出端连接到类脑计算系统中输入电荷的神经元,MTJ突触的输入端连接到类脑计算系统中输出电荷的神经元;MTJ突触的输出端被置于基准电位,记忆MTJ适于接收来自所述MTJ突触的输入端的第一脉冲,参考MTJ适于接收来自MTJ突触的输入端的第二脉冲,第一脉冲与第二脉冲同时发射,形状相同且符号相反;神经元之间通过MTJ突触连接起来;所有MTJ突触各自包含的参考MTJ都在同一约定的状态上;神经元包括电荷积分器、脉冲发生器以及分别与电荷积分器和脉冲发生器相连的模式控制器。这种类脑计算系统能有效缩减突触的面积,扩展类脑计算系统所集成芯片的规模,以及降低功耗。

脉冲神经网络作为第三代神经网络,其模拟神经元更加接近实际,除此之外,把时间信息的影响也考虑其中。思路是这样的,动态神经网络中的神经元不是在每一次迭代传播中都被激活,而是在它的膜电位达到某一个特定值才被激活。当一个神经元被激活,它会产生一个信号传递给其他神经元,提高或降低其膜电位。这样脉冲神经网络具有高度的生物真实性,由于在真实世界学习的任务中展现出独特优势,迅速成为类脑计算芯片研究热点。

但目前类脑芯片和生物脑之间还有很大的差距。大脑不同位置、不同类型神经元之间具有神经动力学异质性和计算功能的特异性,经典人工神经元模型一般难以表征多样性的神经元集群。复杂动力学特性神经元需要消耗大量计算资源,大规模网络运作起来能耗大。

发明内容

鉴于上述,本发明的目的是提供一种面向片上脉冲神经网络的神经元实现系统,通过对神经元进行控制,促使实现多种主流神经元模型的计算功能,并具有扩展能力,兼具高效性和通用性。

为实现上述发明目的,实施例提供的一种面向片上脉冲神经网络的神经元实现系统,包括:

脉冲触发控制单元,用于监听外界脉冲信号,当脉冲信号到达时向脉冲接收单元发送脉冲信号驱动事件;

脉冲接收单元,用于被脉冲信号驱动事件唤醒后接收脉冲信号并累积;

时间步触发控制单元,用于监听外界时间步信号,当时间步信号到达时向神经元处理单元发送时间步信号驱动事件;

神经元处理单元,用于被时间步信号驱动事件唤醒后从脉冲接收单元获取累积脉冲信号,并控制神经元依据累积脉冲信号和编码指令进行功能计算;

分时复用控制单元,用于控制神经元处理单元分时复用同一编码指令以控制神经元进行功能计算。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学;之江实验室,未经浙江大学;之江实验室许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210325009.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top