一种Izhikevich神经元模型基于硬件的计算方法技术

本发明专利技术公开了一种Izhikevich神经元模型基于硬件的计算方法，包括：确定Izhikevich神经元模型的数学方程；通过欧拉法将数学方程离散化生成离散化方程；对离散化方程中平方项，采用cordic算法进行近似计算，并设计相应的第一硬件电路；对离散化方程中常数乘法项，将其转化为二的整数次幂乘法项之和进行计算，并设计相应的第二硬件电路；对离散化方程中除平方项和常数乘法项的计算，直接进行计算，并设计相应的第三硬件电路；对第一硬件电路和第三硬件电路设计切换电路；基于第一硬件电路、第二硬件电路、第三切换电路以及切换电路对Izhikevich神经元模型进行计算；本发明专利技术通过将乘法转化为移位和加法进行计算，能够极大的降低硬件运行功耗。

【技术实现步骤摘要】

本专利技术涉及神经元模型，尤其涉及一种izhikevich神经元模型基于硬件的计算方法。

技术介绍

1、目前，越来越多的人工智能(ai)领域的研究人员开始使用snn来进行各种大脑启发的计算。在这些应用中使用的神经元模型被简化了许多，这样一个大小适当的网络就可以在合理的时间内进行运算。因此，在文献中出现了许多不同的神经元模型。有些神经元模型在生物学上更可行，更逼近真实生物神经元，但也更复杂，而有些则更容易实现，计算效率更高，目前主要流行的神经元模型有：hodgkin-huxley模型、泄漏整合发放模型(leakyintegrate-and-fire，lif)、izhikevich模型。

2、izhikevich模型兼具h-h模型的生物真实性与lif模型的计算效率，能够仿真生物神经元最突出的20种脉冲发放模式。但izhikevich模型在硬件实现上对资源消耗仍然较大，因此通过简化、近似计算来实现izhikevich模型硬件实现上的低功耗在实际应用上具有重要意义。

技术实现思路

1、本专利技术的目的在于本文档来自技高网...

【技术保护点】

1.一种Izhikevich神经元模型基于硬件的计算方法，其特征在于，包括：

2.根据权利要求1所述的Izhikevich神经元模型基于硬件的计算方法，其特征在于，所述Izhikevich神经元模型的数学方程为：

3.根据权利要求2所述的Izhikevich神经元模型基于硬件的计算方法，其特征在于，所述离散化方程为：

4.根据权利要求3所述的Izhikevich神经元模型基于硬件的计算方法，其特征在于，所述第一硬件电路包括第一加法器、第二加法器、第一减法器、第二减法器、第一比较器、第一寄存器、第二寄存器、第三寄存器、第四寄存器、第一选择器以及第二选择器...

【技术特征摘要】

1.一种izhikevich神经元模型基于硬件的计算方法，其特征在于，包括：

2.根据权利要求1所述的izhikevich神经元模型基于硬件的计算方法，其特征在于，所述izhikevich神经元模型的数学方程为：

3.根据权利要求2所述的izhikevich神经元模型基于硬件的计算方法，其特征在于，所述离散化方程为：

4.根据权利要求3所述的izhikevich神经元模型基于硬件的计算方法，其特征在于，所述第一硬件电路包括第一加法器、第二加法器、第一减法器、第二减法器、第一比较器、第一寄存器、第二寄存器、第三寄存器、第四寄存器、第一选择器以及第二选...

【专利技术属性】
技术研发人员：尚德龙，刘岳众，周玉梅，
申请(专利权)人：中科南京智能技术研究院，
类型：发明
国别省市：