一种概率计算神经网络方法和异步逻辑电路技术

本申请公开了一种概率计算神经网络方法及异步逻辑电路，其中，电路结构包括：异步逻辑控制电路、概率计算脉冲生成器、突触运算结构与激活函数运算结构。概率计算神经网络运算过程包含以下步骤：神经网络输入值经过概率计算脉冲生成器生成离散脉冲串，离散脉冲串经过对应突触运算结构获得乘积结果，乘积结果输入激活函数运算结构获得激活结果。本发明专利技术使用概率计算的编码机制实现神经网络运算，发挥脉冲神经网络类脑神经结构的特性，既能充分利用人工神经网络在识别分类应用中高准确率的优点，又能有效利用概率计算脉冲编码机制实现电路的低功耗设计。低功耗设计。低功耗设计。

【技术实现步骤摘要】
一种概率计算神经网络方法和异步逻辑电路


[0001]本申请涉及人工智能及集成电路设计领域，尤其涉及一种概率计算神经网络及异步逻辑构造。

技术介绍

[0002]人工神经网络广泛应用于计算机视觉领域，在图像分类、目标识别与视频监测等方面已经获得了较为成熟的应用。但随着神经网络识别率的逐步升高，神经网络结构变得愈加复杂，网络参数的数量呈现几何倍增长，因而使用硬件电路实现人工神经网络功能对于电路的运算速率与功耗产生了严峻的考验。
[0003]而作为计算电路核心的冯诺依曼架构因其数据存储与计算分立、控制单元独立运行的特性，在面对海量的计算数据与片上内存带宽的矛盾时会导致系统的计算瓶颈。
[0004]因其参数量巨大、运算步骤众多，神经网络的推理运算过程在传统冯诺依曼结构的电路系统中的实现具有较多不利之处：使用CPU进行运算很容易达到计算瓶颈，速率不高；使用GPU进行运算所花费功耗较高，无法实现边缘运算，因此需要设计新的电路架构实现高效率与低功耗并行的神经网络运算。

技术实现思路

[0005]为解决神经网络在电路上进行运算时算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种概率计算神经网络方法，在神经网络的每一层，根据输入激活值和权重值计算该层的输出值，其特征在于，包括以下步骤：对每一个输入激活值进行离散概率计算脉冲编码，生成驱动信号，所述驱动信号为离散脉冲串，其中离散脉冲的数量表示输入激活值，离散脉冲的位置随机分布；通过所述驱动信号控制累加器，每一个离散脉冲使权重值自加一次；进而多个所述输入激活值生成的驱动信号分别控制累加器，实现多个所述输入激活值分别和多个所述权重值进行乘法计算，所得到的全部乘积经过累加获得乘累加结果；所述乘累加结果经过激活函数运算获得该层神经元的输出值，即下层神经网络的输入值。2.如权利要求1所述方法，其特征在于：任意一个输入激活值与概率计算脉冲生成器所生成的2
N
个伪随机数进行比较，生成一个有2
N
个周期的驱动信号，当所述输入激活值大于等于第i个随机数时，在第i个周期输出离散脉冲数值为1；当输入激活值小于第i个随机数时，在第i个周期输出离散脉冲数值为0，其中，i＝1～2
N
，N为输入激活值的二进制位宽。3.一种概率计算神经网络异步逻辑电路，用于实现权利要求1或2所述方法，其特征在于：包括异步逻辑控制电路、概率计算脉冲生成器、突触运算结构和激活函数运算结构；所述异步逻辑控制电路，用于产生异步时钟信号；所述概率计算脉冲生成器，用于将输入激活值转换为对应的离散脉冲串；所述突触运算结构，用于实现输入激活值与权重的乘法；所述激活函数运算结构，用于实现对多个乘积的相加，并对乘累加结果进行激活函数运算。4.如权利要求3所述概率计算神经网络异步逻辑电路，其特征在于，所述异步逻辑控制电路由异步控制单元使用异步控制单元构成流水线，分别控制所述概率计算脉冲生成器、突触运算结构与激活函数运算结构。5.如权利要求4所述概率计算神经网络异步逻辑电路，其特征在于，所述异步控制单元为Muller C单元、click单元或Mousetrap单元。6.如权利要求3所述概率计算神经网络异步逻辑电...

【专利技术属性】
技术研发人员：李洪革，高云飞，陈宇昊，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：