【技术实现步骤摘要】
输入权重拓展的神经元信息处理方法和系统
本专利技术涉及人工神经网络
,特别是涉及输入权重拓展的神经元信息处理方法和系统。
技术介绍
如今的人工神经网络研究绝大多数仍是在冯·诺依曼计算机软件并搭配高性能GPGPU(GeneralPurposeGraphicProcessingUnits通用图形处理单元)平台中实现的,整个过程的硬件开销、能耗和信息处理速度都不容乐观。为此,近几年神经形态计算领域迅猛发展,即采用硬件电路直接构建神经网络从而模拟大脑的功能,试图实现大规模并行、低能耗、可支撑复杂模式学习的计算平台。然而,传统的神经形态系统中,单个神经元权重存储器的物理空间的数量有限,在单个神经元的输入信号的数量大于所述物理空间的数量时,导致有的输入信号对应的权重信息只能利用现有的权重,对于某些对于参数较为敏感的神经网络来说,极大的影响了神经元的应用性能。
技术实现思路
本专利技术的实施例提供一种输入权重拓展的神经元信息处理方法和系统,可以扩展神经元的应用性能。所述方法包括:将预设数量的连续的神经元确定为协同组,将所述协同组中最后一个神经元确定为有效神经元,将所述协同组中除所述有效神经元外的神经元确定为协同神经元;所述协同组中的第一个协同神经元,根据接收的前端神经元信息,获取第一个协同神经元的横向累加中间信息;所述协同组中后续的各协同神经元,依次根据接收的前端神经元信息,和前端协同神经元的横向累加中间信息,获取所述各协同神经元的横向累加中间信息,并将所述协同组中最后一个协同神经元的横向累加中间信息确定为横向累加信息;所述有效神经元根据接收的前端神经元信息、读取的所 ...
【技术保护点】
一种输入权重拓展的神经元信息处理方法,其特征在于,所述方法包括:将预设数量的连续的神经元确定为协同组,将所述协同组中最后一个神经元确定为有效神经元,将所述协同组中除所述有效神经元外的神经元确定为协同神经元;所述协同组中的第一个协同神经元,根据接收的前端神经元信息,获取第一个协同神经元的横向累加中间信息;所述协同组中后续的各协同神经元,依次根据接收的前端神经元信息,和前端协同神经元的横向累加中间信息,获取所述各协同神经元的横向累加中间信息,并将所述协同组中最后一个协同神经元的横向累加中间信息确定为横向累加信息;所述有效神经元根据接收的前端神经元信息、读取的所述有效神经元的当前神经元信息和所述横向累加信息,获取协同输出信息;所述有效神经元输出所述协同输出信息。
【技术特征摘要】
1.一种输入权重拓展的神经元信息处理方法,其特征在于,所述方法包括:将预设数量的连续的神经元确定为协同组,将所述协同组中最后一个神经元确定为有效神经元,将所述协同组中除所述有效神经元外的神经元确定为协同神经元;所述协同组中的第一个协同神经元,根据接收的前端神经元信息,获取第一个协同神经元的横向累加中间信息;所述协同组中后续的各协同神经元,依次根据接收的前端神经元信息,和前端协同神经元的横向累加中间信息,获取所述各协同神经元的横向累加中间信息,并将所述协同组中最后一个协同神经元的横向累加中间信息确定为横向累加信息;所述有效神经元根据接收的前端神经元信息、读取的所述有效神经元的当前神经元信息和所述横向累加信息,获取协同输出信息;所述有效神经元输出所述协同输出信息。2.根据权利要求1所述的输入权重拓展的神经元信息处理方法,其特征在于,所述将所述协同组中最后一个神经元确定为有效神经元,将所述协同组中除所述有效神经元外的神经元确定为协同神经元,包括:设置所述协同组内神经元的发放使能标识,所述发放使能标识包括允许发放数据或不允许发放数据,将所述有效神经元的发放使能标识设置为允许发放数据,并将所有所述协同神经元的发放使能标识设置为不允许发放数据。3.根据权利要求1所述的输入权重拓展的神经元信息处理方法,其特征在于:所述前端神经元信息包括:前端神经元输出信息、前端神经元与当前神经元的连接权重索引;所述协同组中的第一个协同神经元,根据接收的前端神经元信息,获取第一个协同神经元的横向累加中间信息,包括:协同组中的第一个协同神经元,根据所述前端神经元与当前神经元的连接权重索引,读取前端神经元与当前神经元的连接权重;根据所述前端神经元与当前神经元的连接权重、所述前端神经元信息,获取第一个协同神经元的横向累加中间信息;所述协同组中后续的各协同神经元,依次根据接收的前端神经元信息,和前端协同神经元的横向累加中间信息,获取所述各协同神经元的横向累加中间信息,包括:所述协同组中的后续协同神经元,依次根据所述前端神经元与当前神经元的连接权重索引,读取前端神经元与当前神经元的连接权重;根据所述前端神经元与当前神经元的连接权重、所述前端神经元信息,和前端协同神经元的横向累加中间信息,获取所述各协同神经元的横向累加中间信息。4.根据权利要求1所述的输入权重拓展的神经元信息处理方法,其特征在于,所述将预设数量的连续的神经元确定为协同组,将所述协同组中最后一个神经元确定为有效神经元,将所述协同组中除所述有效神经元外的神经元确定为协同神经元,包括:将预设数量的连续的人工神经元确定为人工协同组,将所述人工协同组中最后一个人工神经元确定为人工有效神经元,将所述人工协同组中除所述人工有效神经元外的人工神经元确定为人工协同神经元;或将预设数量的连续的脉冲神经元确定为脉冲协同组,将所述脉冲协同组中最后一个脉冲神经元确定为脉冲有效神经元,将所述脉冲协同组中除所述脉冲有效神经元外的脉冲神经元确定为脉冲协同神经元。5.根据权利要求4所述的输入权重拓展的神经元信息处理方法,其特征在于:当所述协同组为...
【专利技术属性】
技术研发人员:裴京,邓磊,施路平,吴臻志,李国齐,
申请(专利权)人:清华大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。