人工神经元及其执行方法技术

一种人工神经元及其执行方法，其中该方法包括：接收一组输入电压；利用电压电流转换方式，转换该组输入电压中对应的输入电压为对应的一组局部电流；将对应的该组局部电流与对应的一组二进位信号相乘，以建立对应的一组条件反向电流；加总对应的该组条件反向电流至对应的局部电流；加总对应的局部电流至全域电流；及使用负载电路以转换全域电流为输出电压。

【技术实现步骤摘要】
人工神经元及其执行方法
本公开涉及类神经运算，特别是涉及能减轻损耗的人工神经元及其执行方法。
技术介绍
图1为现有的人工神经网络100的功能方框图。参照图1，人工神经网络(artificialneuralnetwork，ANN)100包括多个层，这些层包括输入层110、多个隐藏层120、130、…、180、及输出层190。各个层包括多个神经元。例如，输入层110包括神经元111、112、113、…、119，隐藏层120包括神经元121、122、123、…、129，隐藏层130包括神经元131、132、133、…、139，隐藏层180包括神经元181、182、183、…、189，输出层190包括神经元191、192、193、…、199。除了输入层110中的神经元之外，各个神经元接收来自前一层的神经元的输入。例如，神经元121接收来自神经元111、112、113、…、119的输入。除了输出层190中的神经元之外，每个神经元向后一层的神经元提供输出。例如，神经元121向神经元131、132、133、…、139提供输出。除了输入层110中的神经元之外，神经元的功能可表示为前一层神经元的输入加权总和的单调函数。神经元能以数字方式或模拟方式来实现。数字神经元能提供高准确度，但因为需要大量使用具有高静态漏电流的晶体管，而受制于高功耗。另一方面，模拟神经元是高功率效能的，但因为制造过程中的各种损耗，其本质在准确度上受到限制。例如，在没有损耗的情况下，当所有输入都为零时，神经元的输出应该为零。然而，由于在制造过程中元件并不匹配，实际上的输出可能不为零。这导致称为“偏移(offset)”的损耗。假如能减轻与模拟性质相关的损耗，模拟神经元对于不要求高准确度的应用是可行的选择。因此，期盼有一种人工神经元能减轻模拟性质相关的损耗。
技术实现思路
依据一些实施例，一种人工神经元，包括：一组增益单元电路、全域加总电路、及负载。该组增益单元电路用以接收一组输入电压，并依据一组控制信号输出对应的一组局部电流，其中，该组控制信号中对应的各个控制信号包括对应的一组二进位信号。全域加总电路用以加总该组局部电流为全域电流。负载用以转换全域电流为输出电压。其中，该组增益单元电路包含对应的多个增益单元电路。各个增益单元电路包括：一组电压转电流转换器、一组乘法器、及局部加总电路。该组电压转电流转换器用以转换对应的输入电压为对应的一组过渡电流，输入电压与增益单元电路相关。该组乘法器用以将对应的该组过渡电流与对应的该组二进位信号相乘，以输出对应的一组条件反向电流，该组二进位信号与对应的控制信号有关，控制信号与对应的输入电压相关。局部加总电路用以加总对应的该组条件反向电流为该组局部电流中对应的局部电流。依据一些实施例，一种人工神经元的执行方法，包括：接收一组输入电压；利用电压电流转换方式，转换该组输入电压中对应的输入电压为对应的一组局部电流；将对应的该组局部电流与对应的一组二进位信号相乘，以建立对应的一组条件反向电流；加总对应的该组条件反向电流至对应的局部电流；加总对应的局部电流至全域电流；及使用负载电路以转换全域电流为输出电压。附图说明图1为现有的人工神经网络的功能方框图。图2为本公开一些实施例的人工神经元的功能方框图。图3为图2中的人工神经元的增益单元的功能方框图。图4为适用于图3的增益单元的电压转电流转换器的示意图。图5为适用于图3的增益单元的乘法器的示意图。图6为适用于图2的人工神经元的负载的示意图。图7为本公开一些实施例的人工神经元的执行方法的流程图。符号说明100人工神经网络110输入层190输出层120、130、180隐藏层111、112、113、119神经元121、122、123、129神经元131、132、133、139神经元181、182、183、189神经元191、192、193、199神经元200人工神经元201输出节点211、212、213、219增益单元220数字转模拟转换器230加总电路240校正电路241有限状态机242符号检测电路243迫零电路250负载y输出信号x1、x2、x3、xM输入信号E1、E2、E3、EM控制字元I1、I2、I3、IM局部电流IS全域电流IC校正电流S逻辑信号ZF迫零指令D数字字元D'偏压数字字元Bias偏压值300增益单元311、312、313、319电压转电流转换器321、322、323、329乘法器330加总电路Ci,1、Ci,2、Ci,3、Ci,N电流Ei,1、Ei,2、Ei,3、Ei,N控制字元Ii,1、Ii,2、Ii,3、Ii,N电流xi输入信号Ii局部电流xi+正输入信号xi-负输入信号Ci,j+正电流Ci,j-负电流VB偏压IBi偏压电流400电压转电流转换器410电流源411N型晶体管420差分对421N型晶体管422N型晶体管500乘法器531、532、533、534N型晶体管Ei,j二进位信号Ei,j+、Ei,j-逻辑信号Ii,j+正电流Ii,j-负电流600负载601、602P型晶体管Is+、Is-电流VDD电源节点710-760步骤具体实施方式本公开是涉及用于推理应用的类神经运算，其中推理应用是基于深度学习法。尽管在说明书中描述了多个被认为是实施本公开的优选模式，但应理解本公开仍可以诸多方式来实现，且不应限定于下述的特定实施例或实现下述特征的特定方式。在其他情况下，公知细节将不再赘述或讨论以避免模糊本公开重点。本
中技术人员应能理解本公开中所使用的关于微电子学的术语及基本概念，例如“信号”、“电压”、“电流”、“互补式金属氧化物半导体(complementarymetaloxidesemiconductor，CMOS)”、“P型晶体管(PMOS)”、“N型晶体管(NMOS)”、“电流源(currentsource)”及“偏压”。类似上述的术语及基本概念因已为本
中技术人员所熟知，故于此不再详细解释。本
中技术人员也能识别P型晶体管及N型晶体管的电路符号，并且能分辨哪一个是“源极”、“栅极”及“漏极”。在一些实施例中，逻辑信号可处于一第一逻辑状态或一第二逻辑状态，第一逻辑状态又称为高准位状态或高逻辑状态，以及第二逻辑状态又称为低准位状态或低逻辑状态。当逻辑信号高于临限值时，也就是逻辑信号为高准位的时候，代表逻辑信号处于高准位状态。当逻辑信号低于临限值时，也就是逻辑信号为低准位的时候，代表逻辑信号处于低准位状态。其中临限值又称为跳脱点(trippoint)。各个逻辑信号都有一个跳脱点，并且两个逻辑信号的跳脱点可能本文档来自技高网...

【技术保护点】
1.一种人工神经元，包括：/n一组增益单元电路，用以接收一组输入电压，并依据一组控制信号输出对应的一组局部电流，其中，该组控制信号中对应的各个控制信号包括对应的一组二进位信号；/n一全域加总电路，用以加总该组局部电流为一全域电流；及/n一负载，用以转换该全域电流为输出电压；/n其中，该组增益单元电路包含对应的多个增益单元电路，各个增益单元电路包括：/n一组电压转电流转换器，用以转换对应的一输入电压为对应的一组过渡电流，该输入电压与该增益单元电路相关；/n一组乘法器，用以将对应的该组过渡电流与对应的该组二进位信号相乘，以输出对应的一组条件反向电流，该组二进位信号与对应的该控制信号有关，该控制信号与对应的该输入电压相关；及/n一局部加总电路，用以加总对应的该组条件反向电流为该组局部电流中对应的一局部电流。/n

【技术特征摘要】
20190403 US 16/373,7451.一种人工神经元，包括：
一组增益单元电路，用以接收一组输入电压，并依据一组控制信号输出对应的一组局部电流，其中，该组控制信号中对应的各个控制信号包括对应的一组二进位信号；
一全域加总电路，用以加总该组局部电流为一全域电流；及
一负载，用以转换该全域电流为输出电压；
其中，该组增益单元电路包含对应的多个增益单元电路，各个增益单元电路包括：
一组电压转电流转换器，用以转换对应的一输入电压为对应的一组过渡电流，该输入电压与该增益单元电路相关；
一组乘法器，用以将对应的该组过渡电流与对应的该组二进位信号相乘，以输出对应的一组条件反向电流，该组二进位信号与对应的该控制信号有关，该控制信号与对应的该输入电压相关；及
一局部加总电路，用以加总对应的该组条件反向电流为该组局部电流中对应的一局部电流。


2.如权利要求1所述的人工神经元，还包括：
一数字转模拟转换器，用以接收一数字字元并输出一校正电流。


3.如权利要求2所述的人工神经元，其中，该全域加总电路加总该校正电流与该组局部电流至该全域电流。


4.如权利要求3所述的人工神经元，还包括：
一校正电路，用以输出该数字字元。


5.如权利要求4所述的人工神经元，其中该校正电路包括：
一符号检测电路，用以接收该输出电压并输出一逻辑信号，该逻辑信号表示...

【专利技术属性】
技术研发人员：林嘉亮，魏士钧，
申请(专利权)人：瑞昱半导体股份有限公司，
类型：发明
国别省市：中国台湾;71