【技术实现步骤摘要】
【国外来华专利技术】弹性神经网络
本公开总体上涉及自动信号识别技术,并且更具体地,涉及用于使用脉冲神经元的硬件弹性的深度学习推理加速器的系统和方法。
技术介绍
自动信号识别(ASR)是指通过识别其组成特征来识别信号。ASR在一系列应用中得到了利用,例如,在语音/声音识别系统中识别说话者的语音和说出的单词,在心电图(ECG)中识别心律不齐,以确定动作受控系统中手势的形状,等等。ASR通常通过表征输入信号的短样本中存在的模式来执行,并且因此准确的模式识别功能对于有效的ASR系统至关重要。测量一些物理量以导出用于ASR系统的输入信号可能需要融合来自多种类型传感器的数据。例如,使用手持输入设备识别手势可能需要融合来自加速度计的数据(用于测量运动)和来自陀螺仪的数据(用于测量取向)。结合来自两个传感器的数据,能够检测三维空间中的手势。通常,数据融合是指从不同的和潜在的异构源收集的数据的集成,以便减少来自那些单独源的数据解释的不确定性。重要的是,在融合过程期间,不同输入信号中的基本特征在融合信号中充分体现。模式识别和融合通常使用微处理器和/或数字信号处理器来执行,这两者都实现了存储的程序架构。对于流数据的分析,该架构本质上效率低下。在单个处理器上,顺序提取和识别模式。这是因为模式提取和识别根据通用的简单的指令集(例如RISC或CISC指令集)实现,从而导致信号样本中每个模式的执行序列都很长。输入信号中的复杂模式需要使用更复杂的信号处理算法,在需要来自模式识别引擎的实时响应的系统中,进一步需要为处理器使用更高的时钟频率。在功率 ...
【技术保护点】
1.一种用于对输入信号进行分类的脉冲神经网络,包括多个脉冲神经元和将所述脉冲神经元互连以形成网络的多个突触元件,/n其中,每个突触元件适于接收突触输入信号并向所述突触输入信号施加权重以生成突触输出信号,所述突触元件能够配置为调节每个突触元件施加的权重,以及/n其中,所述脉冲神经元中的每一个适于从一个或多个所述突触元件接收一个或多个所述突触输出信号,并响应于所接收的一个或多个突触输出信号而生成时空脉冲序列输出信号,/n其中,所述网络被划分为多个子网络,/n其中,每个子网络均包括所述脉冲神经元的子集,所述子集被连接以从所述突触元件的子集接收突触输出信号,/n其中,所述子网络适于响应于施加到所述子网络的子网络输入模式信号来生成子网络输出模式信号,/n其中,每个子网络形成核心阵列中一个或多个核心的一部分,每个核心由以硬件或硬件和软件的组合实现的脉冲神经元的可编程网络组成,以及/n其中,所述核心阵列中的核心之间的通信通过可编程互连结构布置。/n
【技术特征摘要】
【国外来华专利技术】20181118 US 62/768,9271.一种用于对输入信号进行分类的脉冲神经网络,包括多个脉冲神经元和将所述脉冲神经元互连以形成网络的多个突触元件,
其中,每个突触元件适于接收突触输入信号并向所述突触输入信号施加权重以生成突触输出信号,所述突触元件能够配置为调节每个突触元件施加的权重,以及
其中,所述脉冲神经元中的每一个适于从一个或多个所述突触元件接收一个或多个所述突触输出信号,并响应于所接收的一个或多个突触输出信号而生成时空脉冲序列输出信号,
其中,所述网络被划分为多个子网络,
其中,每个子网络均包括所述脉冲神经元的子集,所述子集被连接以从所述突触元件的子集接收突触输出信号,
其中,所述子网络适于响应于施加到所述子网络的子网络输入模式信号来生成子网络输出模式信号,
其中,每个子网络形成核心阵列中一个或多个核心的一部分,每个核心由以硬件或硬件和软件的组合实现的脉冲神经元的可编程网络组成,以及
其中,所述核心阵列中的核心之间的通信通过可编程互连结构布置。
2.根据权利要求1所述的脉冲神经网络,其中,所述可编程互连结构包括可交换矩阵。
3.根据权利要求2所述的脉冲神经网络,其中,所述可交换矩阵包括多个路由器,所述多个路由器适于将多个输出信号从所述核心阵列中的第一核心路由到所述核心阵列中的第二核心的多个输入。
4.根据前述权利要求中任一项所述的脉冲神经网络,其中,所述可编程互连结构在所述核心阵列中的核心之间形成分组交换网络。
5.根据前述权利要求中任一项所述的脉冲神经网络,其中,所述可编程互连结构使用地址事件表示。
6.根据前述权利要求中任一项所述的脉冲神经网络,其中,所述可编程互连结构使用同步或异步通信。
7.根据前述权利要求中任一项所述的脉冲神经网络,其中,所述核心阵列在集成电路中实现,并且所述可编程互连结构包括片上网络。
8.根据权利要求7所述的脉冲神经网络,其中,所述片上网络是实时可配置的。
9.根据前述权利要求中任一项所述的脉冲神经网络,其中,针对所述突触元件的学习规则、权重存储机制或通信协议被异构地应用于所述核心阵列的单个核心。
10.根据前述权利要求中任一项所述的脉冲神经网络,其中,针对所述突触元件的学习规则、权重存储机制或通信协议被异构地应用于所述核心阵列中的多个核心。
11.根据前述权利要求中任一项所述的脉冲神经网络,其中,使用学习规则块来实现所述核心阵列中的一个或多个核心的学习规则配置。
12.根据权利要求11所述的脉冲神经网络,其中,使用相同学习规则的核心使用实现所述学习规则的公共学习规则块。
13.根据前述权利要求中任一项所述的脉冲神经网络,其中,学习规则在每个核心内和/或在所述核心阵列中的核心上的分布在运行时是动态可配置的。
14.根据前述权利要求中任一项所述的脉冲神经网络,其中,所述子网络中的一个子网络是用于对所述子网络的输入信号进行分类的分类器的一部分。
15.根据前述权利要求中任一项所述的脉冲神经网络,其中,所述子网络中的一个子网络是用于对所述子网络的输入信号进行分类的分类器集合的一部分。
16.根据前述权利要求中任一项所述的脉冲神经网络,其中,使用随机权重更新来配置所述突触元件的权重。
17.根据前述权利要求中任一项所述的脉冲神经网络,其中,所述突触元件的权重由绑定值绑定,其中,所述绑定值是随机值。
18.一种集成电路,包括在核心阵列中实现的根据前述权利要求中任一项所述的脉冲神经网络。
19.一种将脉冲神经网络划分和映射到核心阵列上的方法,所述脉冲神经网络包括多个脉冲神经元和将所述脉冲神经元互连以形成网络的多个突触元件,
其中,每个突触元件适于接收突触输入信号并向所述突触输入信号施加权重以生成突触输出信号,所述突触元件能够配置为调节每个突触元件施加的权重,以及
其中,所述脉冲神经元中的每一个适于从一个或多个所述突触元件接收一个或多个所述突触输出信号,并响应于所接收的一个或多个突触输出信号而生成时空脉冲序列输出信号,
其中,所述核心阵列包括多个核心,
其中,每个核心由以硬件或硬件和软件的组合实现的脉冲神经元的可编程网络组成,以及
其中,所述核心阵列中的核心之间的通信通过可编程互连结构来布置,
其中,所述方法包括:
将所述网络划分为多个子网络,其中,每个子网络包括脉冲神经元的子集,所述脉冲神经元的子集被连接以从所述突触元件的子集接收突触输出信号,其中,所述子网络适于响应于应用于所述突触元件的子集的子网络输入模式信号而生成来自所述脉冲神经元的子集的子网络输出模式信号,以及
将每个子网络映射到一个或多个核心上。
20.根据权利要求19所述的方法,其中,通过映射方法确定将所述脉冲神经网络划分为在所述一个或多个核心中实现的子网络,
其中,所述映射方法包括约束驱动的划分,
其中,所述约束是链接到每个相应子网络的功能的性能指标。
21.一种脉冲神经网络,包括:
以硬件或硬件和软件的组合实现的多个脉冲神经元,以及将所述脉冲神经元互连以形成网络的多个突触元件,
其中,每个突触元件适于接收突触输入信号并向所述突触输入信号施加权重以生成突触输出信号,所述突触元件能够配置为调节每个突触元件施加的权重,以及
其中,所述脉冲神经元中的每一个适于从一个或多个所述突触元件接收一个或多个所述突触输出信号,并响应于所接收的一个或多个突触输出信号而生成时空脉冲序列输出信号,
其中,学习规则、权重存储机制和/或通信协议异构地应用在所述脉冲神经网络中的神经元和/或突触元件上。
22.一种脉冲神经网络,包括脉冲神经元和连接到所述脉冲神经元的突触元件,
其中,所述突触元件包括适于接收突触输入信号的第一受体和第二受体,
其中,所述第一受体和所述第二受体基于所述突触输入信号分别生成第一受体信号和第二受体信号,
其中,所述突触元件向所述第一受体信号施加权重以生成突触输出信号,
所述突触元件能够配置为至少基于所述第二受体信号来调节由所述突触元件施加的权重,以及
其中,所述脉冲神经元适于接收来自所述突触元件的突触输出信号,并且至少响应于所接收的突触输出信号来生成时空脉冲序列输出信号。
23.根据权利要求22所述的脉冲神经网络,其中,所述神经元发出控制信号,其中,所述控制信号与所述第二受体信号一起调节由所述突触元件施加的权重。
24.根据权利要求23所述的脉冲神经网络,其中,所述控制信号是反向传播信号。
25.根据权利要求23或24所述的脉冲神经网络,其中,所述神经元包括树突、轴突和体细胞,其中,所述控制信号源自所述神经元的树突和/或轴突和/或体细胞。
26.根据权利要求...
【专利技术属性】
技术研发人员:A·齐亚约,S·S·库马尔,
申请(专利权)人:因纳特拉纳米系统有限公司,
类型:发明
国别省市:荷兰;NL
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。