一种卷积神经网络最大池化层电路制造技术

本发明专利技术公开了一种卷积神经网络最大池化层电路，包含两个选通器、一个模拟数字转化器和一个阻值变化单元，阻值变化单元的两端分别连接两个选通器的输出端，其中第一选通器的一输入端接外部输入信号r1，另一输入端接地，控制端接外部控制信号c1；第二选通器的一输入端接前端电路的阻值变化单元交叉阵列中一根位线的输出，另一输入端接地，控制端接外部控制信号c1的逻辑取反信号；所述模拟数字转化器的模拟输入端与第二选通器的输出端相连，输出为数字信号，控制端连外部控制信号c2。该最大池化层电路利用阻值变化单元的内在机理完成小阵列中最大值的寻找，相比传统CMOS电路结构得到极大的简化，能够极大提升神经网络加速芯片的速度并降低能耗。

【技术实现步骤摘要】
一种卷积神经网络最大池化层电路
本专利技术属于半导体(semiconductor)、人工智能(artificialintelligence)和CMOS混合集成电路
，具体涉及一种利用阻值变化单元和CMOS混合集成的最大池化层电路(Max-poolingcircuit)。
技术介绍
RRAM是一种新型非易失存储器件，在当前对神经网络加速芯片中的研究中，RRAM阵列常被用来加速矩阵向量积(vectormatrixmultiplication，VMM)。卷积神经网络(Convolutionalneuralnetwork,CNN)被广泛应用在各种人工智能应用中，目前为止，已有多种基于阻值变化单元的人工智能芯片问世，相比于传统的CPU和GPU，它们在进行神经网络计算时有着更高的计算速度和更低的能耗。但是这些芯片都面临着一个重要的问题，它们实际用于矩阵向量积的能耗并不高，大部分能量耗散在数据传输路径和片上存储上。最大池化层是卷积神经网络中的一个重要步骤，它的功能是从一个小矩阵(通常是2×2或者3×3)中寻找最大值并输出，并对不同小矩阵重复多次这样的操本文档来自技高网...

【技术保护点】
1.一种卷积神经网络最大池化层电路，包含两个选通器、一个模拟数字转化器和一个阻值变化单元，所述阻值变化单元的两端分别连接两个选通器的输出端，其中第一选通器至少具有两个输入端，一端接外部输入信号r1，另一端接地，而其控制端接外部控制信号c1；第二选通器至少具有两个输入端，一端接前端电路的阻值变化单元交叉阵列中一根位线的输出，另一端接地，其控制端接外部控制信号c1的逻辑取反信号；所述模拟数字转化器的模拟输入端与第二选通器的输出端相连，输出为数字信号，模拟数字转化器的控制端连外部控制信号c2。/n

【技术特征摘要】
1.一种卷积神经网络最大池化层电路，包含两个选通器、一个模拟数字转化器和一个阻值变化单元，所述阻值变化单元的两端分别连接两个选通器的输出端，其中第一选通器至少具有两个输入端，一端接外部输入信号r1，另一端接地，而其控制端接外部控制信号c1；第二选通器至少具有两个输入端，一端接前端电路的阻值变化单元交叉阵列中一根位线的输出，另一端接地，其控制端接外部控制信号c1的逻辑取反信号；所述模拟数字转化器的模拟输入端与第二选通器的输出端相连，输出为数字信号，模拟数字转化器的控制端连外部控制信号c2。


2.如权利要求1所述的卷积神经网络最大池化层电路，其特征在于，在两...

【专利技术属性】
技术研发人员：蔡一茂，凌尧天，王宗巍，鲍盛誉，黄如，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京;11