阈值可塑的人工神经元电路制造技术

本发明专利技术公开了一种阈值可塑的人工神经元电路，该电路包括：累加模块、阈值发放模块和阈值调节模块，其中，累加模块与阈值发放模块连接，用于累积突触产生的信号，并将信号发送给阈值发放模块；阈值发放模块用于接收累加模块输出的信号，并比较接收到的信号与预设阈值的大小，若接收到的信号大于预设阈值时，则神经元被激活，若接收到的信号小于预设阈值，则神经元未被激活；阈值调节模块与阈值发放模块连接，用于根据学习算法调节预设阈值的大小。该电路在训练的过程中，突触和神经元同时都具有可调节性，使得人工神经网络具有更强的学习能力，功能更丰富和灵活，更加智能化。

Artificial neuron circuit with plastic threshold

【技术实现步骤摘要】
阈值可塑的人工神经元电路
本专利技术涉及人工神经网络
，特别涉及一种阈值可塑的人工神经元电路。
技术介绍
模拟生物神经网络信息处理方式的人工神经网络被认为是解决冯诺依曼信息处理架构中，计算与存储之间数据搬运，以及计算单元和存储单元速度不匹配等问题的最有效的途径。虽然人工神经网络强大的计算能力在各行各业也得到了验证，但与生物神经网络相比，人工神经网络在自适应性学习能力，容错能力以及推理能力方面还有非常明显的差距。要开发出能够与生物神经网络，甚至人类大脑的智能相比拟的人工神经系统，除了系统架构和算法上的创新设计外，硬件电路的创新性设计是及其关键的。无论是生物神经网络还是人工神经网络，都主要由两个关键的计算单元组成，也就是突触和神经元。突触在神经元之间起到连接作用。在神经网络的学习过程中，会改变突触连接的强弱。而目前的人工神经网络主要也是通过改变突触的权重，也就是神经元之间连接的强弱来表征学习过程的。人工神经网络中的神经元主要是对突触输出的信号进行积分和非线性阈值发放处理。在生物神经网络中，学习对神经元也是有调节的。最明显的就是通过学习，神经元的发放阈值会改变。这一功能在目前人工神经网络中还没有硬件实现报道。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的目的在于提出一种种阈值可塑的人工神经元电路。为达到上述目的，本专利技术实施例提出了种阈值可塑的人工神经元电路，包括：累加模块、阈值发放模块和阈值调节模块，其中，所述累加模块与所述阈值发放模块连接，用于累积突触产生的信号，并将所述信号发送给所述阈值发放模块；所述阈值发放模块用于接收所述累加模块的信号，并比较所述信号与预设阈值的大小，若所述信号大于预设阈值时，则神经元被激活，若所述信号小于所述预设阈值时，则神经元未被激活；所述阈值调节模块与所述阈值发放模块连接，用于根据学习算法调节所述预设阈值的大小。本专利技术实施例的阈值可塑的人工神经元电路，具有学习能力，且在训练的过程中，突触和神经元同时都具有可调节性，使得人工神经网络具有更强的学习能力，功能更丰富和灵活，更加智能化，为构建功能更强大的人工神经网络提供了关键的硬件电路模块设计方案，另外，该人工神经元电路具有硬件实现简单、体积小和功耗低的优点，可做为植入式应用和便携式用。另外，根据本专利技术上述实施例的阈值可塑的人工神经元电路还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述阈值发放模块为阈值开关型忆阻器或比较器。可选地，在本专利技术的一个实施例中，所述阈值开关型忆阻器包括Mott型器件、导电细丝型阈值开关器件和硫族元素基的相变材料阈值开关型器件。进一步地，在本专利技术的一个实施例中，所述阈值调节模块利用所述学习算法对神经元进行训练，以调节非挥发忆阻器的阻值，改变所述预设阈值的大小。可选地，在本专利技术的一个实施例中，所述非挥发忆阻器包括氧空位导电细丝型忆阻器和金属离子导电细丝型忆阻器。进一步地，在本专利技术的一个实施例中，若所述阈值发放模块采用阈值开关型忆阻器，则所述阈值开关型忆阻器与所述阈值调节模块的非挥发忆阻器连接，通过所述信号调节所述预设阈值的大小。进一步地，在本专利技术的一个实施例中，若所述阈值发放模块采用比较器，则所述阈值调节模块的非挥发忆阻器与电阻连接，所述电阻与所述比较器连接，通过所述信号和所述电阻的分压调节所述预设阈值的大小。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术一个实施例的阈值可塑的人工神经元电路结构示意图；图2为根据本专利技术一个实施例的基于非挥发忆阻器的阈值可塑性神经元电路结构示意图；图3为根据本专利技术一个实施例的基于比较器的阈值可塑性神经元电路结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面参照附图描述根据本专利技术实施例提出的阈值可塑的人工神经元电路。图1是本专利技术一个实施例的阈值可塑的人工神经元电路结构示意图。如图1所示，该人工神经元电路10包括：累加模块100、阈值发放模块200和阈值调节模块300。其中，累加模块100与阈值发放模块200连接，用于累积突触产生的信号，并将信号发送给阈值发放模块200。也就是说，累加模块100也就是积分电路对来自突触模块的信号进行积分。阈值发放模块200用于接收累加模块100的信号，并比较信号与预设阈值的大小，若信号大于预设阈值时，则神经元被激活，若信号小于预设阈值时，则神经元未被激活。也就是说，阈值发放模块200接收来自累加模块100输出的信号。如果收到的信号大于其阈值，则输出一个脉冲信号，认为神经元被激活，如果收到的信号小于其阈值，这该模块不发放脉冲，则神经元没有被激活。可以理解的是，当神经元的阈值比较低的时，更容易发放，也就更容易被激活，表明神经网络对某一类信息更敏感。反之，如果神经元的阈值比较高，则不容易被激活，神经网络就对相应的信息不敏感。进一步地，在本专利技术的一个实施例中，阈值发放模块200可以为阈值开关型忆阻器或比较器，其中，阈值开关型忆阻器可以包括Mott型器件、导电细丝型阈值开关器件和硫族元素基的相变材料阈值开关型器件。例如，阈值开关型忆阻器可为基于NbOx，VOx的Mott型器件，也可以为基于Ag，Cu的导电细丝型阈值开关器件，也可为基于Sb，Te等硫族元素基的相变材料阈值开关型器件。阈值调节模块300与阈值发放模块200连接，用于根据学习算法调节预设阈值电压大小。进一步地，在本专利技术的一个实施例中，阈值调节模块300利用学习算法对神经元进行训练，以调节非挥发忆阻器的阻值，改变预设阈值电压。其中，非挥发忆阻器包括氧空位导电细丝型忆阻器和金属离子导电细丝型忆阻器，具体地，非挥发忆阻器可为基于TaOx，HfOx，AlOx等的氧空位导电细丝型忆阻器，也可为基于Ag，Cu等金属离子的导电细丝型忆阻器。也就是说，阈值调节模块300可以根据学习算法，采用调节忆阻器的阻值，通过调节忆阻器上分压的大小来调节阈值发放模块的阈值电压，进而对阈值发放模块200的阈值大小进行调节。后面将详细介绍阈值调节模块300的电路设计和工作过程。需要说明的是，忆阻器内部离子对外部电学激励的不同具有不同的响应的物理机制，故本专利技术实施例可利用忆阻器本身的物理过程对脑电信号进行滤波和编码，对阈值进行调节。进一步地，在本专利技术的一个实施例中，若阈值发放模块采用阈值开关型忆阻器，则阈值开关型忆阻器直接与阈值调节模块本文档来自技高网...

【技术保护点】
1.一种阈值可塑的人工神经元电路，其特征在于，包括：累加模块、阈值发放模块和阈值调节模块，其中，/n所述累加模块与所述阈值发放模块连接，用于累积突触产生的信号，并将所述信号发送给所述阈值发放模块；所述阈值发放模块用于接收所述累加模块的信号，并比较所述信号与预设阈值的大小，若所述信号大于预设阈值时，则神经元被激活，若所述信号小于所述预设阈值时，则神经元未被激活；所述阈值调节模块与所述阈值发放模块连接，用于根据学习算法调节所述预设阈值的大小。/n

【技术特征摘要】
1.一种阈值可塑的人工神经元电路，其特征在于，包括：累加模块、阈值发放模块和阈值调节模块，其中，
所述累加模块与所述阈值发放模块连接，用于累积突触产生的信号，并将所述信号发送给所述阈值发放模块；所述阈值发放模块用于接收所述累加模块的信号，并比较所述信号与预设阈值的大小，若所述信号大于预设阈值时，则神经元被激活，若所述信号小于所述预设阈值时，则神经元未被激活；所述阈值调节模块与所述阈值发放模块连接，用于根据学习算法调节所述预设阈值的大小。


2.根据权利要求1所述的阈值可塑的人工神经元电路，其特征在于，所述阈值发放模块为阈值开关型忆阻器或比较器。


3.根据权利要求2所述的阈值可塑的人工神经元电路，其特征在于，所述阈值开关型忆阻器包括Mott型器件、导电细丝型阈值开关器件和硫族元素基的相变材料阈值开关型器件。

【专利技术属性】
技术研发人员：李辛毅，钱鹤，吴华强，高滨，唐建石，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11