一种概率神经元电路、概率神经网络拓扑结构及其应用制造技术

本发明专利技术公开了一种概率神经元电路、概率神经网络拓扑结构及其应用，概率神经元电路包括积分电容、非固定阈值易失性器件和负载电阻；积分电容的一端外接突触电阻及连接非固定阈值易失性器件的一端，易失性器件的另一端连接负载电阻的一端。网络拓扑结构包括多个输入神经元电路、多个概率神经元电路和侧向抑制神经元电路；每个概率神经元电路用于基于其非固定激发阈值及各输入神经元电路发放的电信号进行随机激发；抑制神经元电路用于当接收到前n个概率神经元电路激发的信号时，抑制后续其它概率神经元电路的激发。本发明专利技术在神经元电路中引入非固定阈值易失性器件，极大拓展了神经元电路的应用，特别的可用于解决非确定性问题，且具有可靠的解决结果。

A probabilistic neural circuit, a probabilistic neural network topology and its application

【技术实现步骤摘要】
一种概率神经元电路、概率神经网络拓扑结构及其应用
本专利技术属于微电子器件
，更具体地，涉及一种概率神经元电路、概率神经网络拓扑结构及其应用。
技术介绍
类脑计算通过模拟人脑的学习原理，具有高速、低功耗以及自我学习的特点，是替代目前冯诺依曼计算架构的有力竞争者。类脑计算的核心机制是模拟人脑通过神经元的激发发放脉冲，完成信息的传递，然后调节前、后神经元之间突触连接权重完成学习功能。以脉冲为信息传递载体的网络称为脉冲神经网络，在硬件层面上，用微电子器件模拟神经元和突触的功能，基于器件模拟出神经元、突触等模块后，可以设计脉冲波形，通过前、后神经元发放脉冲的时间差来调节突触权重的大小，称之为STDP学习法则，这样的网络结构具有低功耗，高拓展性，复杂非线性计算以及大容量信息处理等优点。但是传统基于CMOS的神经元需要大面积的高功耗来实现神经元功能，尽管使用易失性存储器克服了这些限制，但是对于神经形态的器件的研究主要集中在确定性的神经元上，忽略了能够诱导贝叶斯计算本质的概率神经元需求，而且基于确定性神经元的神经元对于处理非确定性问题，存在一定本文档来自技高网...

【技术保护点】
1.一种概率神经元电路，其特征在于，包括：积分电容，以及并联其两端的依次串联的非固定阈值易失性器件和负载电阻；/n所述积分电容的一端接地，另一端用于外接突触电阻以外接信号输入源；所述负载电阻的与所述非固定阈值易失性器件相对的一端接地。/n

【技术特征摘要】
1.一种概率神经元电路，其特征在于，包括：积分电容，以及并联其两端的依次串联的非固定阈值易失性器件和负载电阻；
所述积分电容的一端接地，另一端用于外接突触电阻以外接信号输入源；所述负载电阻的与所述非固定阈值易失性器件相对的一端接地。


2.一种概率神经网络拓扑结构，其特征在于，包括：多个输入神经元电路，多个输出神经元电路，侧向抑制神经元电路，以及信号处理器；其中，所述输出神经元电路为如权利要求1所述的概率神经元电路；
各所述输入神经元电路用于向各所述概率神经元电路发放电信号；每个所述概率神经元电路用于基于其非固定激发阈值以及各所述输入神经元电路发放的电信号，进行随机性激发；所述侧向抑制神经元电路用于当接收到前n个概率神经元电路激发的信号时，抑制后续其它概率神经元电路的激发，其中n≥1；所述信号处理器用于采集每个所述概率神经元电路的激发与否信号并进行信号处理。


3.根据权利要求2所述的一种概率神经网络拓扑结构，其特征在于，每个所述输入神经元电路具体用于：
通过突触电阻向所述输出神经元组中各概率神经元电路发放电信号，其中，该输入神经元电路与每个概率神经元电路之间的突触电阻分别与该概率神经元电路中的积分电容和非固定阈值易失性器件连接。


4.根据权利要求2所述的一种概率神经网络拓扑结构，其特征在于，每个概率神经元电路的激发阈值随该概率神经元电路中积分电容的膜电压增加而呈指数变化。


5.一种如权利要求1至4任一项所述的概率神经网络拓扑结构的应用，其特征在于，应用于非确定性问题的概率确定。


6.根据权利要求5所述的应用，其特征在于，所述概率确定的确定方法包括：

【专利技术属性】
技术研发人员：童浩，胡庆，王宽，何毓辉，缪向水，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42