神经元信息接收方法和系统技术方案

本发明专利技术涉及一种神经元信息接收方法，所述方法包括：确定前端神经元复用组，所述前端神经元复用组包括至少两个前端神经元；根据所述前端神经元复用组，配置当前神经元的复用规则，所述复用规则为将运算步划分为至少两个运算周期，且所述运算周期的数量大于或等于所述前端神经元的数量，将所述前端神经元复用组中的各前端神经元分别与所述运算周期一一对应；根据所述复用规则，在当前运算步内，分别接收各所述前端神经元输出的神经元信息。本发明专利技术能够使当前神经元接收更多的前端神经元发送的信息，提高了神经元信息接收的能力，从而提高整个神经网络的信息处理能力。

【技术实现步骤摘要】
神经元信息接收方法和系统
本专利技术涉及神经网络
，特别是涉及神经元信息接收方法和系统。
技术介绍
神经形态工程由CarverMead在1990年提出，意在用大规模集成电路来模拟生物神经系统架构，构建神经形态计算系统。早期的神经形态计算系统一般通过模拟电路实现，但近些年来数字电路和数模混合电路也越来越多的被神经形态工程所使用。目前，神经形态工程与神经形态电路是国际上新兴的研究热点之一。传统的神经形态计算平台,旨在通过模拟电路仿真大脑神经元模型和离子通道活动，使用数字电路与片上存储构建连接和路由，从而能十分方便更改神经元连接图谱。。传统的神经网络中，采用计算核的方式完成大规模的信息处理任务，其中，计算核内神经元的轴突最多通过突触连接到256个神经元。在承载神经网络运算时，这限制了神经网络每一层的输出都不能大于256，即下一层的神经元数不能超过256，即在传统的神经网络中，神经元之间的连接限制，极大的限制了神经网络的信息处理能力。
技术实现思路
本专利技术实施例提供一种神经元信息接收方法和系统，可以扩展神经网络的信息处理能力。所述方法包括：确定前端神经元复用组，所述前端神经元复用组包括至少两个前端神经元；根据所述前端神经元复用组，配置当前神经元的复用规则，所述复用规则为将运算步划分为至少两个运算周期，且所述运算周期的数量大于或等于所述前端神经元的数量，将所述前端神经元复用组中的各前端神经元分别与所述运算周期一一对应；根据所述复用规则，在当前运算步内，分别接收各所述前端神经元输出的神经元信息。在其中一个实施例中，所述将运算步划分为至少两个运算周期，包括：将运算步等间隔划分为至少两个运算周期。在其中一个实施例中，所述配置当前神经元的复用规则，包括：分别配置当前神经元的树突和胞体的复用规则。在其中一个实施例中，所述前端神经元输出的神经元信息，包括：所述前端神经元持续输出的人工神经元信息。在其中一个实施例中，在确定前端神经元复用组的步骤之前，所述方法还包括：确定当前神经元的信息处理模式为复用模式，所述信息处理模式还包括非复用模式。在其中一个实施例中，通过设置前端神经元复用组，使得当前神经元按照设定好的复用规则，在当前运算步的各运算周期，分别接收不同的前端神经元发送的神经元信息，以使当前神经元在当前运算步的时长内，能够接收更多的前端神经元发送的信息，提高了神经元信息接收的能力，从而提高整个神经网络的信息处理能力。在其中一个实施例中，通过将运算步等间隔划分为运算周期的方法，使得当前神经元可以按照设定好的时间间隔接收不同的前端神经元发送的神经元信息，而不用再去对运算周期进行时长的计量，实现方式更加简单可靠，提高了神经网络的信息处理效率。在其中一个实施例中，通过分别配置当前神经元的树突和胞体的复用规则，可以使当前神经元的信息处理更有效率。在其中一个实施例中，所述接收的前端神经元输出的神经元信息为持续输出的人工神经元信息，可以使得当前神经元处理按照传统的信息发送方式发送前端神经元发送的神经元信息。在其中一个实施例中，提供的信息处理模式，可以使得当前神经元选择是否工作在复用模式下，兼容传统的神经信息处理方式，提高神经网络的整体信息处理能力。本专利技术还提供一种神经元信息接收系统，包括：复用组确定模块，用于确定前端神经元复用组，所述前端神经元复用组包括至少两个前端神经元；运算周期分配模块，用于根据所述前端神经元复用组，配置当前神经元的复用规则，所述复用规则为将运算步划分为至少两个运算周期，且所述运算周期的数量大于或等于所述前端神经元的数量，将所述前端神经元复用组中的各前端神经元分别与所述运算周期一一对应；神经元信息接收模块，用于根据所述复用规则，在当前运算步内，分别接收各所述前端神经元输出的神经元信息。在其中一个实施例中，所述运算周期分配模块，用于将运算步等间隔划分为至少两个运算周期。在其中一个实施例中，所述运算周期分配模块，还用于分别配置当前神经元的树突和胞体的复用规则。在其中一个实施例中，所述神经元信息接收模块，用于接收所述前端神经元持续输出的人工神经元信息。在其中一个实施例中，还包括：处理模式确定模块，用于确定当前神经元的信息处理模式为复用模式，所述信息处理模式还包括非复用模式。在其中一个实施例中，通过设置前端神经元复用组，使得当前神经元按照设定好的复用规则，在当前运算步的各运算周期，分别接收不同的前端神经元发送的神经元信息，以使当前神经元在当前运算步的时长内，能够接收更多的前端神经元发送的信息，提高了神经元信息接收的能力，从而提高整个神经网络的信息处理能力。在其中一个实施例中，通过将运算步等间隔划分为运算周期的方法，使得当前神经元可以按照设定好的时间间隔接收不同的前端神经元发送的神经元信息，而不用再去对运算周期进行时长的计量，实现方式更加简单可靠，提高了神经网络的信息处理效率。在其中一个实施例中，通过分别配置当前神经元的树突和胞体的复用规则，可以使当前神经元的信息处理更有效率。在其中一个实施例中，所述接收的前端神经元输出的神经元信息为持续输出的人工神经元信息，可以使得当前神经元处理按照传统的信息发送方式发送前端神经元发送的神经元信息。在其中一个实施例中，提供的信息处理模式，可以使得当前神经元选择是否工作在复用模式下，兼容传统的神经信息处理方式，提高神经网络的整体信息处理能力。附图说明图1为一个实施例的神经元信息接收方法的流程示意图；图2为另一个实施例的神经元信息接收方法的流程示意图；图3为一个实施例的神经元信息接收系统的结构示意图；图4为另一个实施例的神经元信息接收系统的结构示意图；图5为另一个实施例的神经元信息接收方法的示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。图1为一个实施例的神经元信息接收方法的流程示意图，如图1为一个实施例的神经元信息接收方法，包括：步骤S100，确定前端神经元复用组，所述前端神经元复用组包括至少两个前端神经元。具体的，为使所述当前神经元在一个运算步内能够接收更多的前端神经元输入的信息，将前端神经元在一个运算步内进行复用，需要确定进行复用的前端神经元的数量和范围，可以根据神经网络所执行的任务的需求，灵活设定任意数量的神经元进行复用，只要复用后，神经元用于发送信息的时长够用即可。所述运算步(STEP)，为神经元进行信息处理的一个固定的时长，神经网络中所有的神经元，均按照所述的运算步同步处理数据。步骤S200，根据所述前端神经元复用组，配置当前神经元的复用规则，所述复用规则为将运算步划分为至少两个运算周期，且所述运算周期的数量大于或等于所述前端神经元的数量，将所述前端神经元复用组中的各前端神经元分别与所述运算周期一一对应。具体的，所述将运算步划分为至少两个运算周期，即，将一个STEP划分为多个运算周期(也可成为PHASE)，为保证进行复用的前端神经元都能与所述的运算周期进行对应，需要将运算周期的个数设定为大于或等于进行复用的所述前端神经元的数量。所述将所述前端神经元复用组中的各前端神经元分别与所述运算周期一一对应，是指将前端神经元发送的信息，只在一个与之本文档来自技高网...

【技术保护点】
一种神经元信息接收方法，其特征在于，所述方法包括：确定前端神经元复用组，所述前端神经元复用组包括至少两个前端神经元；根据所述前端神经元复用组，配置当前神经元的复用规则，所述复用规则为将运算步划分为至少两个运算周期，且所述运算周期的数量大于或等于所述前端神经元的数量，将所述前端神经元复用组中的各前端神经元分别与所述运算周期一一对应；根据所述复用规则，在当前运算步内，分别接收各所述前端神经元输出的神经元信息。

【技术特征摘要】
1.一种神经元信息接收方法，其特征在于，所述方法包括：确定前端神经元复用组，所述前端神经元复用组包括至少两个前端神经元；根据所述前端神经元复用组，配置当前神经元的复用规则，所述复用规则为将运算步划分为至少两个运算周期，且所述运算周期的数量大于或等于所述前端神经元的数量，将所述前端神经元复用组中的各前端神经元分别与所述运算周期一一对应；根据所述复用规则，在当前运算步内，分别接收各所述前端神经元输出的神经元信息。2.根据权利要求1所述的神经元信息接收方法，其特征在于，所述将运算步划分为至少两个运算周期，包括：将运算步等间隔划分为至少两个运算周期。3.根据权利要求1所述的神经元信息接收方法，其特征在于，所述配置当前神经元的复用规则，包括：分别配置当前神经元的树突和胞体的复用规则。4.根据权利要求1所述的神经元信息接收方法，其特征在于，所述前端神经元输出的神经元信息，包括：所述前端神经元持续输出的人工神经元信息。5.根据权利要求1所述的神经元信息接收方法，其特征在于，在确定前端神经元复用组的步骤之前，所述方法还包括：确定当前神经元的信息处理模式为复用模式，所述信息处理模式还包括非复用模式。6....

【专利技术属性】
技术研发人员：裴京，施路平，焦鹏，邓磊，吴臻志，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11