[发明专利]一种神经元编码电路

说明书

一种神经元编码电路，属于集成电路技术领域。所述神经元编码电路中，传统神经网络输出的模拟电压信号，经信号采集模块滤波处理后，输出稳定的控制电压信号；控制电压信号和经灵敏度调节单元输出的电流信号输入至频率编码器，经频率编码器量化编码处理后，输出频率与控制电压信号呈现sigmoid函数关系的模拟信号；脉宽调节器接收频率编码器输出的模拟信号和脉宽控制信号，输出频率与模拟信号相同、脉冲宽度与脉宽控制信号正相关的脉冲信号；脉冲发放模块接收脉宽调节器输出的脉冲信号，并在膜电位检测模块发放信号Ready使能时，将该脉冲信号传递给脉冲神经网络。本发明神经元编码电路具有电路结构简单、频率覆盖范围广、功耗低等优点。

技术领域

本发明属于集成电路技术领域，具体涉及一种神经元编码电路。

背景技术

神经网络是一种模仿生物神经网络的结构和功能的数学模型或计算模型，主要根据大量的人工神经元联结进行计算。通常，人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。

传统的神经网络是一种运算模型，由大量的节点相互联接构成。每个节点代表一种特定的输出函数，称为激励函数；每两个节点间的连接都代表一个对于通过该连接信号的加权值，称为权重，相当于人工神经网络的记忆。网络的输出则是根据网络的连接方式、权重值和激励函数的不同而不同。而网络自身是对自然界某种算法或函数的逼近，或者是对一种逻辑策略的表达。

而在脉冲神经网络中，神经元传递的是脉冲，每个神经元有一个膜电位，当神经元接收输入脉冲时，膜电位会发生变化。而当神经元的膜电位达到一个阈值时，便会发送脉冲，传递至下一个神经元。脉冲神经网络传递的一个个脉冲形成了一个脉冲序列，而单个脉冲之间的时间间隔是不确定的，脉冲序列中包含了时间信息，这是传统的神经网络不能表达的。此外，脉冲神经网络中的每个神经元只有在接收到脉冲信号时，才会进行计算，与传统神经网络的繁琐计算量相比，功耗更低，计算速度更快。

然而，目前脉冲神经网络暂时没有找到一个较好的训练算法，特别是需要训练深层网络时。而传统人工神经网络借助统计与优化等数学工具得到了充分发展，训练得到的效果比脉冲神经网络更好。因此，通常需要将训练好的人工神经网络映射为脉冲神经网络，以避免直接训练脉冲神经网络。但是，目前在将人工神经网络映射为脉冲神经网络时，通常采用模数转换器进行采样、数字处理器进行编码，将人工神经网络的模拟输入信号转换为脉冲以实现对脉冲神经网络的识别；该电路结构复杂，功耗大。

发明内容

本发明的目的在于，针对背景技术中提到的脉冲神经网络训练困难的问题，提出了一种神经元编码电路，该电路通过将传统神经网络中一个神经元的值编码形成脉冲神经网络可识别的脉冲信号，电路结构简单，功耗低。

为实现上述目的，本发明采用的技术方案如下：

一种神经元编码电路，其特征在于，包括信号采集模块、脉冲编码模块、膜电位检测模块和脉冲发放模块，所述脉冲编码模块包括频率编码器、脉宽调节器和灵敏度调节单元；

所述信号采集模块的输入端与传统神经网络输出端相连，输出端耦接至频率编码器；频率编码器的灵敏度控制端与灵敏度调节单元相连，输出端与脉宽调节器相连；所述脉冲发放模块耦接至脉冲编码模块的输出端，控制端与膜电位检测模块相连；脉冲发放模块的输出端与脉冲神经网络相连；