[发明专利]神经网络处理系统

权利要求书

1.一种神经网络处理系统，其特征在于，所述神经网络处理系统包括：

至少一突触，每一所述突触接收一输入信号，所述至少一突触为各自具有一外部权重值及一内部权重值，所述内部权重值会经由外部刺激以产生变化，当所述内部权重值的变化累积至一临界值时，会同时改变所述外部权重值，使得所述至少一输入信号乘上所述至少一突触的所述外部权重值，以产生一权重信号；以及

一神经元电路，其连接所述至少一突触，以接收所述至少一突触所传输的所述权重信号，并计算所述至少一权重信号以输出。

2.根据权利要求1所述的神经网络处理系统，其特征在于，所述外部权重值经由电性量测以得知。

3.根据权利要求2所述的神经网络处理系统，其特征在于，所述电性量测为对电阻、电容、电感、阻抗的至少其中之一的量测。

4.根据权利要求1所述的神经网络处理系统，其特征在于，所述内部权重值为所述至少一突触的物理结构的差异，其为缺陷数目、元素组成、原子排列、分子形貌、铁电域排列、铁磁域排列。

5.根据权利要求4所述的神经网络处理系统，其特征在于，所述物理结构差异均匀或不均匀存在所述至少一突触中。

6.根据权利要求1所述的神经网络处理系统，其特征在于，所述内部权重值的变化累积计算方法为梯度下降向后传播规则、尖峰时序相关的可塑性规则、赫布学习规则、Oja学习规则、BCM理论。

7.根据权利要求1所述的神经网络处理系统，其特征在于，所述外部刺激为电压或电流。

8.根据权利要求1所述的神经网络处理系统，其特征在于，所述外部权重值的改变为具随机性的二元变化，且通过所述内部权重值的累计分布函数以决定改变机率。

9.根据权利要求8所述的神经网络处理系统，其特征在于，所述内部权重值的所述累计分布函数为通过脉冲振幅、脉冲宽度、脉冲电压刺激的松弛周期、脉冲电流刺激的松弛周期的至少其中之一进行调整。

10.根据权利要求8所述的神经网络处理系统，其特征在于，计算所述内部权重值以改变所述外部权重值的公式为：

δ_k＝(T_k-O_k)×f_a'(I_k)

其中，H_j为第j个隐藏层神经元的输出值，O_k为第k个输出层神经元的输出值，X_i为第i个输入层的输入值，w_ext,i,j为第i个输入层和第j个隐藏层神经元的间的外部权重值，w_ext,j,k为第j个隐藏层和第k个输出神经元的间的外部权重值，f_a为激活函数，I_j为第j个隐藏层神经元权重乘积和，I_k为第k个输出层神经元权重乘积和，T_k为第k个输出层的目标输出值，f_a’为激活函数的微分项，δ_k为第k个输出层的误差量，δ_j为第j个隐藏层的误差量，w_int,i,j为第i个输入层和第j个隐藏层神经元的间的内部权重值，w_int,j,k为第j个隐藏层和第k个输出神经元的间的内部权重值，η为学习速率，w^old为更新前的权重值，w^new为更新后的权重值，P_ext,sw为外部权重值切换的机率，CDF为由内部权重值所决定的累计分布函数。