与基于模拟存储器的突触阵列一起工作的紧凑型CMOS脉冲神经元电路制造技术

一种全模拟脉冲神经网络电路包含：至少一个ReRAM交叉突触阵列，其并行地进行乘法累加运算；及脉冲响应模型(SRM)神经元电路，其运用互补型金属氧化物半导体(CMOS)技术来构建。所述神经元电路从所述ReRAM交叉突触阵列接收输出并直接处理来自所述ReRAM交叉突触阵列的输出电流以完成所述乘法累加运算且产生经过处理的电压脉冲序列。

【技术实现步骤摘要】

本专利技术涉及一种可充当人工神经形态网络(neuromorphicnetwork)的cmos模拟集成电路，且更具体地说，涉及与由模拟存储器阵列制成的人工突触网络直接连接的此cmos电路。

技术介绍

1、脉冲神经网络(snn)被提出以比传统人工神经网络(ann)更真实地复制在生物神经系统中观察到的时空信息处理。与以抽象数学模型的电平形式处理和传输信息的ann不同，snn以稀疏的脉冲序列处理和传输信息。这种方法与大脑神经系统的信息处理非常相似。因此，硬件实现的snn通常展现出比其ann对应物更高的能效，使得其特别地适于能量有限且需要时空推理的应用，例如自主车辆引导[1]、[2]和脑机接口[3]、[4]。大多数现有的snn都是在数字硬件(例如cpu、gpu或fpga)上进行模拟的，然而数字表示的转换开销会导致高能耗。为了解决此问题，自卡弗·米德(carver mead)于1990年[11]首次提出神经形态系统这一概念以来，已经提出且展示了被称为神经形态系统的若干snn加速器[5]到[10]。神经形态系统天然地适于在模拟硬件中实现，这是因为其与生物神经系统的相似性本文档来自技高网...

【技术保护点】

1.一种全模拟脉冲神经网络(SNN)电路，其特征在于，其包括：

2.根据权利要求1所述的全模拟脉冲神经网络电路，其特征在于，所述SNN是根据自上而下的方法设计的。

3.根据权利要求1所述的全模拟脉冲神经网络电路，其特征在于，所述SRM为平衡生物可信度和计算效率的脉冲神经元模型，其通过在来自突触的传入脉冲和来自神经元自身的输出脉冲上进行核积分来描述薄膜电位，其中适当的核选择使得所述SRM能够近似霍奇金-赫胥黎(Hodgkin-Huxley)模型，并显著提高能效和计算速度。

4.根据权利要求1所述的全模拟脉冲神经网络电路，其特征在于，所训练的参数被映射到所...

【技术特征摘要】

1.一种全模拟脉冲神经网络(snn)电路，其特征在于，其包括：

2.根据权利要求1所述的全模拟脉冲神经网络电路，其特征在于，所述snn是根据自上而下的方法设计的。

3.根据权利要求1所述的全模拟脉冲神经网络电路，其特征在于，所述srm为平衡生物可信度和计算效率的脉冲神经元模型，其通过在来自突触的传入脉冲和来自神经元自身的输出脉冲上进行核积分来描述薄膜电位，其中适当的核选择使得所述srm能够近似霍奇金-赫胥黎(hodgkin-huxley)模型，并显著提高能效和计算速度。

4.根据权利要求1所述的全模拟脉冲神经网络电路，其特征在于，所训练的参数被映射到所述reram突触阵列的电导，且snn模型通过反向传播来训练。

5.根据权利要求1所述的全模拟脉冲神经网络电路，其特征在于，其包括：

6.根据权利要求1所述的全模拟脉...

【专利技术属性】
技术研发人员：李灿，王竹，王松，苏国希，
申请(专利权)人：香港大学，
类型：发明
国别省市：