[发明专利]一种基于Master-Slave神经元的人工神经网络控制器

说明书

本发明提出一种基于Master‑Slave神经元的人工神经网络控制器，属于人工神经网络硬件实现技术领域。该控制器包括：一个Master神经元模块、多个独立的Slave神经元模块以及一个非挥发忆阻器阵列；其中，所述Master神经元模块包含多个独立的Master神经元，每个Master神经元分别连接非挥发忆阻器阵列和每个Slave神经元模块，非挥发忆阻器阵列分别连接每个Slave神经元模块。本发明的Master神经元收到新的任务信息后，在不改变神经网络保存的已经过训练的信息的前提下，通过训练新的Slave神经元对新信息进行学习，从而使人工神经网络具有像生物神经网络一样的自适应和学习能力。

技术领域

本发明属于人工神经网络硬件实现技术领域，特别提出一种基于Master-Slave神经元的人工神经网络控制器。

背景技术

受大脑神经网络神经元和突触级联结构启发的人工神经网络在图片、语音识别等领域展现出了非常强大的能力。并且，人工神经网络的这种级联计算架构也被认为是解决冯诺依曼计算体系架构在处理大量信息时候所遇到的存储墙问题的最有效途径。人工神经网络所展现出的对信息的处理能力也进一步激发了人工智能领域向自然界、向生物、向人类大脑学习的热情。对新事物，新环境的适应和学习能力是人类能够生存下去的关键。

要想使当前人工神经网络具有一定的信息处理能力，就需要大量的数据来对其进行训练。这个训练过程复杂，且耗能、耗时。并且一旦完成训练，神经网络就只能处理经过训练的任务。如需处理新的任务，就要覆盖原有信息，需要对其进行重新训练。人脑对新环境，新信息具有非常强的适应能力、学习能力和处理能力。生物学的研究也证明人脑中有负责接收并处理新知识的区块。如何使人工神经网络更加智能化，具有像人脑一样对新事物，新信息具有不断的学习和适应能力，是当前人工神经网络需要解决的关键问题之一。

最近人工神经网络算法和架构上提出了一种深度进化强化学习新框架，希望能够创建出学会动物进化法则的具身智能体。新型神经形态硬件平台是高效运行智能复杂的神经网络架构和算法的基础。虽然在算法架构上已经有科学家提出了人工神经网络进化和学习新任务的方法，但在目前还没有相关的硬件实现该方法。

发明内容

本发明的目的是为填补已有技术的空白之处，提出一种基于Master-Slave神经元的人工神经网络控制器。本发明为构建具有不断学习新任务和适应新环境的进化能力的人工神经网络实现提供了硬件实现方式，填补了人工神经网络具备进化学习能力的硬件实现方面的空白，为构建更智能化人工神经网络提供了硬件实现基础。

本发明一种基于Master-Slave神经元的人工神经网络控制器，其特征在于，包括：一个 Master神经元模块、多个独立的Slave神经元模块以及一个非挥发忆阻器阵列；其中，所述Master神经元模块包含多个独立的Master神经元，每个Master神经元分别连接非挥发忆阻器阵列和每个Slave神经元模块，非挥发忆阻器阵列分别连接每个Slave神经元模块；

所述Master神经元模块中每个Master神经元用于接收经过编码的外部输入电压信号，然后将该电压信号发送给非挥发忆阻器阵列；

所述非挥发忆阻器阵列用于接收对应的Master神经元发出的电压信号，然后将该电压信号发送给每个Slave神经元模块；

所述每个Slave神经元模块用于接收非挥发忆阻器阵列发出的电压信号；若Slave神经元模块是训练过的，则该Slave神经元模块向输出该电压信号的Master神经元发送反馈信号；若Slave神经元模块是未训练过的，则该Slave神经元模块不产生反馈信号。

本发明的特点及有益效果：