[发明专利]感存算一体智能感知系统

说明书

本发明公开了一种感存算一体智能感知系统，属于人工神经网络和类脑计算技术领域，系统采用脉冲神经网络，包括：忆阻输入神经元、忆阻突触阵列和忆阻输出神经元；忆阻输入神经元包括依次串联连接的传感器单元、脉冲编码神经元和预处理单元，传感器单元用于感知环境信号并输出相应的电信号至脉冲编码神经元；脉冲编码神经元输出相应频率的脉冲信号至预处理单元；预处理单元直接连接忆阻突触阵列，忆阻突触阵列用于对预处理单元输出的脉冲信号进行存储和矩阵运算；忆阻输出神经元用于对忆阻突触阵列输出的电信号进行识别，以计算环境信号。将感知、存储和计算集成于一体的智能感知系统，能改善传统感知处理系统面临的高延时和高功耗等问题。

技术领域

本发明属于人工神经网络和类脑计算技术领域，更具体地，涉及一种感存算一体智能感知系统。

背景技术

交互式人工智能系统的构建依赖于高性能智能感知系统的开发。传统感知处理系统的传感器和信息处理系统在空间上是分离的，存在高延时、高能耗和数据安全的问题；此外，远端信息处理系统还面临冯•诺依曼架构瓶颈和摩尔定律的困境，导致传统感知处理系统的架构、运算效率和功耗不再适应大数据、智能化时代的计算要求。

人脑感知神经系统为集感知、存储和计算于一体的架构，处理复杂的感官信息时具有高效率、低功耗和强大的并行处理能力。在这样的架构中，信息是基于脉冲的形式进行传递的。为了模拟生物感知感存算一体化的架构和信息处理方式，研究人员提出在传感终端附近或传感器内部进行运算，即近传感器计算和传感器内计算。传感器内计算对忆阻器的材料和性能要求非常高，硬件实现难度较大。近传感器计算将存算处理单元设置在传感器旁边，可以在传感器端点执行特定操作，可以提高系统的整体性能，并最大程度地减少冗余数据的传输。

以忆阻突触和忆阻神经元为基础搭建脉冲神经网络，使用脉冲形式的信号来传递信息，即事件驱动，更接近生物神经网络，计算效率高、能耗低，是构建存算一体处理单元的有力之选。由于传感器采集到的信号为模拟域的，基于脉冲神经网络的存算一体处理单元需要的脉冲输入是数字域的，传感器与脉冲神经网络之间的集成需要使用大量的模数转换器、数模转换器和复杂的外围电路，增加了硬件消耗和延迟时间。因此，急需开发一种集成度更高、硬件电路更简单、延迟时间短、功耗更低的近传感器计算智能感知处理系统。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种感存算一体智能感知系统，其目的在于解决现有感知处理系统面临的高延时和高功耗等问题。

为实现上述目的，本发明提供了一种感存算一体智能感知系统，所述智能感知系统采用脉冲神经网络，所述脉冲神经网络包括：依次连接的忆阻输入神经元、忆阻突触阵列和忆阻输出神经元；所述忆阻输入神经元包括依次串联连接的传感器单元、脉冲编码神经元和预处理单元，所述传感器单元和所述脉冲编码神经元组成脉冲感觉神经元，所述预处理单元直接连接所述忆阻突触阵列；所述传感器单元用于感知环境信号并输出相应的电信号至所述脉冲编码神经元，以切换所述脉冲感觉神经元的充放电状态，使得所述脉冲编码神经元输出相应频率的振荡脉冲信号至所述预处理单元；所述预处理单元用于将所述振荡脉冲信号转换成矩形脉冲信号；所述忆阻突触阵列用于对所述矩形脉冲信号进行存储和矩阵运算，实现存算一体；所述忆阻输出神经元用于对忆阻突触阵列输出的电信号进行识别，以计算所述环境信号。

更进一步地，所述传感器单元为电阻式传感器，或者，所述传感器单元包括串联连接的电压式传感器和电阻；所述脉冲编码神经元包括两条并联支路，一支路为串联连接的电容C₁和电阻R₁，另一支路为阈值转变型忆阻器M₁；所述传感器单元、所述电容C₁和所述电阻R₁组成充放电回路，利用所述阈值转变型忆阻器M₁的高低阻态变化实现充放电状态切换。