[发明专利]一种简单的RC型神经元簇放电电路有效
| 申请号： | 202210652012.7 | 申请日： | 2022-06-10 |
| 公开（公告）号： | CN115062772B | 公开（公告）日： | 2023-09-26 |
| 发明（设计）人： | 包涵;蔡建明;包伯成;徐权 | 申请（专利权）人： | 常州大学 |
| 主分类号： | G06N3/065 | 分类号： | G06N3/065 |
| 代理公司： | 常州市英诺创信专利代理事务所(普通合伙) 32258 | 代理人： | 张秋月 |
| 地址： | 213164 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及神经元电路技术领域，尤其涉及一种简单的RC型神经元簇放电电路，包括偏置可控的分段线性函数电路和神经元簇放电电路，偏置可控的分段线性函数电路与神经元簇放电电路电性连接。本发明解决现有技术中通过结构复杂的模拟和数字电路实现RC神经元簇放电问题。 | ||
| 搜索关键词： | 一种 简单 rc 神经元 放电 电路 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于常州大学，未经常州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210652012.7/，转载请声明来源钻瓜专利网。
- 同类专利
- 用于人工神经网络的差分非易失性存储器单元-201910531149.5
- P·F·邱;W·H·崔;马雯;M·卢克博登 - 闪迪技术有限公司
- 2019-06-19 - 2023-10-24 - G06N3/065
- 本发明题为“用于人工神经网络的差分非易失性存储器单元”。非易失性存储器阵列架构用于实现神经网络(BNN)的用途允许在所述存储器阵列内执行矩阵乘法和累加。用于存储神经网络的权重的单位突触由两个单独存储器单元的差分存储器单元形成，诸如具有可编程电阻的存储器单元，每个存储器单元连接在字线对中的对应一者与共享位线之间。将输入作为具有电压值的模式施加在连接到所述单位突触的字线对上，以通过确定所述共享位线上的电压电平来执行所述输入与所述权重的乘法。此类乘法的结果由感测放大器来确定，且所述结果由累积电路进行累加。
- 一种在硬件人工神经网络中实施的系统和方法-201780084089.6
- P·纳拉亚南;G·伯尔 - 国际商业机器公司
- 2017-12-20 - 2023-10-24 - G06N3/065
- 人工神经网络(ANN)中的计算是使用称为神经元的简单处理单元完成的，其中数据由神经元之间的连接(称为突触)以及这些连接的强度(突触权重)体现。交叉开关阵列可用于表示在每个交叉点处具有非易失性存储器(NVM)元件的ANN的一层，其中NVM元件的电导可用于编码突触权重，并且阵列上的高度并行电流求和实现代表输出神经元值的加权和运算。概述了一种方法，以将这样的神经元值从一个阵列的输出传递到第二阵列的输入，而不需要全局时钟同步，而不管阵列之间的距离，并且在下一个阵列处使用这样的值，和/或将这些值过渡为下一阵列的数字位。
- 一种实现BN层的光子卷积神经网络芯片-202310777543.3
- 丁静雅;胡鹏浩;祝连庆 - 合肥工业大学;北京信息科技大学
- 2023-06-28 - 2023-10-20 - G06N3/065
- 本发明提供了一种实现BN层的光子卷积神经网络芯片包括光脉冲发射器、输入数据映射器和卷积核权重映射器，光脉冲发射器，用于生成m行光脉冲，输入数据映射器包括第一阵列，用于对输入的图像数据与光脉冲调制成映射关系，使光脉冲携带图像数据；卷积核权重映射器包括第二阵列，用于对携带图像数据的光脉冲与卷积核权重调制成映射关系，并对光脉冲携带的图像数据进行卷积运算；第二阵列连接平衡探测器，平衡探测器连接至一个跨阻放大器，跨阻放大器连接一个运算放大器。本发明在光子卷积神经网络芯片中实BN层，提高了光子神经网络在任务处理时的准确性，同时与电子神经网络芯片相比，具有更快的速度和更小的功耗的优势。
- 用于人工神经网络中的模拟神经存储器的精确数据调谐方法和装置-202180093494.0
- H·V·特兰;S·莱姆克;N·多;M·雷顿 - 硅存储技术股份有限公司
- 2021-05-19 - 2023-10-20 - G06N3/065
- 本发明公开了用于将正确的电荷量精确快速地沉积在人工神经网络中的矢量‑矩阵乘法(VMM)阵列内的非易失性存储器单元的浮栅上的精确编程算法和装置的多个实施方案。因此，可极精确地对所选单元进行编程，以保持N个不同值中的一个值。
- 一种模拟动物操作性条件反射的神经功能性电路-202310946397.2
- 陈蓓;刘发展;张江宁 - 常州大学
- 2023-07-28 - 2023-10-17 - G06N3/065
- 本发明涉及神经功能电路技术领域，尤其涉及一种模拟动物操作性条件反射的神经功能性电路，包括通过食物训练电路模拟使用食物对动物进行奖励训练，触发动物操作性条件反射；其中，食物训练电路包括：电性连接的食物电压控制模块、食物突触神经元模块、拉杆电压控制模块和拉杆突触模块；食物电压控制模块进行延时控制，模拟食物奖励信号延后拉杆信号的时间，输出电压控制食物突触神经元模块；食物突触神经元模块模拟食物对拉杆行为的影响，输出电压控制拉杆突触模块；拉杆电压控制模块输出电压控制拉杆突触模块；拉杆突触模块模拟生物拉杆行为。本发明解决现有电路没有考虑奖励延迟行为对生物学习速度的影响的问题。
- 用于情感识别的脉冲神经网络部署方法、装置及设备-202311141328.0
- 王斌强;董刚;赵雅倩;蒋东东;曹其春 - 苏州浪潮智能科技有限公司
- 2023-09-06 - 2023-10-13 - G06N3/065
- 本申请实施例提供了一种用于情感识别的脉冲神经网络部署方法、装置及设备。所述方法包括：基于选定的情感识别场景，获取标注有情感类别标签的标注数据；基于脉冲神经元和网络拓扑信息，确定脉冲神经网络的网络结构；基于所述标注数据对所述脉冲神经网络进行权重训练及权重量化处理，生成所述脉冲神经网络的量化突触权重；基于所述脉冲神经网络的网络结构，构建用于执行网络操作的硬件设备；将所述量化突触权重逐层部署于所述硬件设备上。本申请实现了高效的存算一体的模型部署方法，可以减少硬件部署中的精度损失。
- 模拟混合突触传递的任意连续时间感知模型及训练方法-202310931988.2
- 钱夔;潘昱辰;徐浩;朱晟宇;李嵩爽;李正岩 - 南京工程学院
- 2023-07-27 - 2023-10-10 - G06N3/065
- 本发明公开了一种模拟混合突触传递的任意连续时间感知模型及训练方法，包括突触前神经元哈密顿演化、连续时间神经网络以及任务适应网络。突触前神经元哈密顿演化通过哈密顿神经网络生成隐性哈密顿量，根据哈密顿正则方程来表示神经元信息的非线性状态变化；连续时间常数神经网络基于Hodgkin‑Huxley神经元计算模型，在哈密顿演化后信息基础上，构建显性时变哈密顿连续深度网络，实现向突触后神经元的信息传递；任务适应网络结合目标时序预测任务，实现输出状态的自适应。本发明能够模拟复杂的混合突触传递过程，提高时序特征学习能力，实现任意连续时间的感知预测任务。
- 一种简单的RC型神经元簇放电电路-202210652012.7
- 包涵;蔡建明;包伯成;徐权 - 常州大学
- 2022-06-10 - 2023-09-26 - G06N3/065
- 本发明涉及神经元电路技术领域，尤其涉及一种简单的RC型神经元簇放电电路，包括偏置可控的分段线性函数电路和神经元簇放电电路，偏置可控的分段线性函数电路与神经元簇放电电路电性连接。本发明解决现有技术中通过结构复杂的模拟和数字电路实现RC神经元簇放电问题。
- 一种基于无乘法器实现的神经元电路-202111191285.8
- 包伯成;蔡建明;徐权;陈墨;武花干 - 常州大学
- 2021-10-13 - 2023-09-26 - G06N3/065
- 本发明涉及神经元电路技术领域，涉及一种基于无乘法器实现的神经元电路，其特征在于：含偏置的ReLU函数模块电路、第一分段线性函数模块电路、第二分段线性函数模块电路和HR神经元模块电路，所述含偏置的ReLU函数模块电路的输出端与所述第一分段线性函数模块电路和第二分段线性函数模块电路的输入端电性连接，所述第一分段线性函数模块电路和第二分段线性函数模块电路的输出端与所述HR神经元模块电路输入端电性连接。本发明利用多段线性函数拟合HR神经元模型中的非线性项，并在模拟电路上实现拟合后的HR神经元模型，通过运放、电阻及电容组成的模拟电路，神经元实现成本大大降低。
- 神经处理单元(NPU)与使用该神经处理单元的计算系统-202180091499.X
- 哈罗德·B·诺伊斯;大卫·罗伯茨;罗素·劳埃德;威廉·蒂凡尼;杰弗里·坦纳;特伦斯·莱斯利;丹尼尔·斯金纳;英德拉尼尔·罗伊 - 自然智能系统公司
- 2021-11-19 - 2023-09-22 - G06N3/065
- 本文提出了一种可在神经处理单元中实施的集成电路(也被称为“芯片”)。在高层级上，这些芯片的目标是为机器学习算法提供比传统处理单元更高的性能。为了实现这一点，神经处理单元可包括多个计算组件，每个计算组件都可单独地确定在作为输入而提供的被编码的数据与储存于存储器中的值之间的重叠。
- 基于GPU的大规模皮层脉冲神经网络异步并行仿真算法-202310537186.3
- 戴维;林伟;孙毅 - 复旦大学
- 2023-05-13 - 2023-09-12 - G06N3/065
- 本发明属神经网络仿真模拟技术领域，具体为基于GPU的大规模皮层脉冲神经网络异步并行仿真算法。本发明利用计算显卡的多线程和纹理内存的优势，结合生物大脑接受外部刺激的通用形式，以及皮层中神经元之间普遍的连接模式，设计GPU与CPU异步并行的算法框架；GPU负责神经元动力学方程的并行演化，以及局域网络内各向同性连接的分块式并行计算，CPU负责处理各向异性的长程连接；并可兼容不同的神经元动力学方程和可塑性学习规则。与现有技术相比，本发明可以有效提升仿真速度，为单个计算节点提供仿真模拟生物大脑皮层中千万级大规模脉冲神经网络的工具，并适用于单节点多显卡以及多节点多显卡的分布式运算模型。
- 一种基于忆阻器阵列的神经网络突触觉结构-201811272115.0
- 肖建;张粮;张健;童祎;洪聪;吴锦值 - 南京邮电大学
- 2018-10-29 - 2023-09-08 - G06N3/065
- 本发明提出一种基于忆阻器的神经网络突触阵列电路，用于连接神经网络中前一层神经元与后一层神经元；该电路包括突触阵列，突触阵列包括n*m个突触结构，每个突触结构由一个肖基特二极管和一个忆阻器件串联而成；肖基特二极管的阳极作为突触结构的输入端，肖基特二极管的阴极与忆阻器件的输入端相连，忆阻器件的输出端作为突触结构的输出端；位于同一行的m个突触结构的输入端相连，作为本行突触阵列的输入端；而位于同一列的n个突触结构的输出端相连，作为本列突触阵列的输出端；所述突触阵列共有n个输入端和m个输出端。本发明能够防止忆阻器电路在信息处理过程中发生多路漏电流现象；且能够根据实际输入信号的规模和特点进行扩展和改变。
- 一种基于搜索的深度学习模型部署方法及装置-202310557259.5
- 王鹏程;李勇;陈自强;吕波;程稳;曾令仿;陈光;胡陈枢 - 之江实验室
- 2023-05-17 - 2023-09-05 - G06N3/065
- 本说明书公开了一种基于搜索的深度学习模型部署方法及装置，可以获取深度学习模型所对应的计算图，确定计算图中包括的算子，并确定每个算子匹配的硬件资源，而后，根据各算子匹配的硬件资源，构建搜索空间，从搜索空间中选取出目标样本，并确定目标样本对应的运行时长，以及确定目标样本对应的邻域样本，并确定邻域样本对应的运行时长，若邻域样本对应的运行时长短于目标样本的运行时长，将邻域样本作为重新确定出的目标样本，并继续确定目标样本对应的邻域样本以及对应的运行时长，直到满足预设迭代终止条件为止，按照目标样本所对应的分配方案，对深度学习模型的算子进行硬件资源的分配，以进行部署，本方法可以提高深度学习模型的计算效率。
- 尖峰神经网络-201880016520.8
- N·苏达;V·钱德拉;B·T·克莱因;S·P·辛哈;S·达斯 - 阿姆有限公司
- 2018-02-13 - 2023-09-05 - G06N3/065
- 广而言之，本技术的实施例提供用于尖峰神经网络的神经元，其中神经元由至少一个相关电子随机存取存储器(CeRAM)元件或相关电子开关(CES)元件形成。
- 一种基于存算一体系统的数据处理方法及装置-202310555078.9
- 吕波;程稳;刘懿;陈光;曾令仿;李勇;徐鸿博;吴运翔;王鹏程;张金鑫 - 之江实验室
- 2023-05-17 - 2023-09-01 - G06N3/065
- 本说明书公开了一种基于存算一体系统的数据处理方法及装置，根据目标模型确定目标单元的目标数量以及各目标单元对应的控制向量，从存算一体系统的各数据处理单元中选择目标数量的目标单元，进而根据各目标单元对应的控制向量，从各类型的候选操作中，分明别确定各目标单元对应的目标操作，以便将各目标单元的输入分别输入到各目标单元中，对各目标单元的输入采用目标操作执行数据处理，得到目标模型的输出数据。可见，基于目标单元对应的控制向量确定目标单元执行的目标操作的方式，仅通过改变控制向量就能够兼容不同架构的模型，无需进行电路结构的重新设计，扩展了基于存算一体电路的模型推理的场景，并提高了效率。
- 类神经电路以及运作方法-201980008014.9
- 林仲汉;邱青松 - 北京时代全芯存储技术股份有限公司
- 2019-11-15 - 2023-09-01 - G06N3/065
- 一种类神经电路包含突触电路以及后神经元电路。突触电路包含相变化元件、第一开关以及第二开关。第一开关耦接相变化元件，并用以接收第一脉冲信号。第二开关耦接相变化元件。后神经元电路的输入端耦接切换电路，且其输出端耦接相变化元件。输入端响应于第一脉冲信号而透过切换电路进行充电。后神经元电路用以依据输入端的电压位准与电压门槛值产生激发信号，且更用以依据激发信号产生第一及第二控制信号。后神经元电路依据第一控制信号以关闭切换电路。第二控制信号用以协同第二脉冲信号以控制第二开关，以控制相变化元件的状态，进而决定类神经电路的权重。如此，可利用电路建造出类神经网络系统。
- 模拟神经网络的评分卡配置方法、装置、设备及存储介质-202010387510.4
- 韦雪碧 - 深圳市卡数科技有限公司
- 2020-05-09 - 2023-09-01 - G06N3/065
- 本发明实施例公开了一种模拟神经网络的评分卡配置方法、装置、设备及存储介质。该方法包括：获取预设数据库中的原始数据；基于原始数据构建第一层特征变量并基于第一层特征变量得到第一层三维特征向量；根据第一子模型对第一层三维特征向量进行第一次矩阵变换得到第一层特征向量矩阵；根据第二子模型对第一层特征向量矩阵进行第二次矩阵变换得到第二层特征向量矩阵；根据第二层特征向量矩阵变换模型输出筛选得到入模向量，并基于入模向量进行评分卡的配置。该方法最后得到的特征向量效果比原始的特征向量效果更好，其开发得到的评分卡模型显著提高了查得率，其特征好坏分度高，经过测试具有跟神经网络几何变换一样的良好效果。
- 深度学习人工神经网络中模拟神经存储器的数字输出机制-202180088510.7
- H·V·特兰;T·乌;S·特林;S·洪;N·勒;T·勒;H·帕姆 - 硅存储技术股份有限公司
- 2021-04-07 - 2023-08-22 - G06N3/065
- 公开了用于读取或验证人工神经网络中的矢量‑矩阵乘法(VMM)阵列中的所选非易失性存储器单元中所存储的值的多个实施方案。该实施方案包括用于在读取或验证操作期间将输入施加到该VMM阵列的输入块的各种设计以及用于在该读取或验证操作期间从该VMM阵列接收输出的输出块的各种设计。
- 一种基于液体状态机的脉冲神经网络架构-202310617384.0
- 石匆;陈乐毅;田敏;何俊贤;王腾霄;王海冰;喻剑依;高灏然 - 重庆大学
- 2023-05-29 - 2023-08-08 - G06N3/065
- 本发明涉及一种基于液体状态机的脉冲神经网络架构，包括存储层神经元阵列和学习层神经元阵列，分别用于模拟储存层和学习层；所述储存层神经元阵列包括权重生成与概率发射模块，配置为具有第一线性反馈寄存器和第二线性反馈寄存器，在突触前脉冲来临时，通过读取指定的随机数种子存储器中的随机数种子，使得第一线性反馈寄存器产生固定的随机数序列，生成突触后神经元与不同的突触前神经元的权重；所述学习层神经元阵列包括IF神经元模块、膜电位存储电路、权重存储电路、以及权重学习模块。本发明能够在高速并行计算时减少硬件资源消耗量，保证网络的性能的同时达到低硬件资源消耗的目的。
- 存算一体系统的仿真平台提供方法、仿真方法及装置-202310538150.7
- 唐建石;魏佳恒;郝镇齐;高滨;钱鹤;吴华强 - 清华大学
- 2023-05-12 - 2023-08-08 - G06N3/065
- 本公开提供了一种存算一体系统的仿真平台提供方法、仿真方法及装置。该存算一体系统包括至少一个处理单元。该存算一体系统的仿真平台提供方法包括：提供包括使用硬件描述语言实现的多个模块的模型库，其中，多个模块包括第一模块，第一模块用于模拟处理单元，处理单元包括忆阻器阵列和用于忆阻器阵列的外围电路，且处理单元配置为执行存算一体操作。所提供的仿真平台以及仿真方法具有更好的灵活性。
- 忆阻神经网络的镇定性分析方法、装置、设备及存储介质-202310436937.2
- 赵杰梅;谌毅;陈彬彬;刘明明 - 武汉轻工大学
- 2023-04-21 - 2023-08-08 - G06N3/065
- 本发明属于电路分析技术领域，公开了一种忆阻神经网络的镇定性分析方法、装置、设备及存储介质。本发明通过获取电路中的电压值、电容值、控制输入值及记忆性系数；根据所述电压值、电容值、控制输入值及记忆性系数，通过微分包含理论对初始忆阻神经网络计算，得到目标忆阻神经网络模型；根据所述目标忆阻神经网络模型构建镇定性目标函数；通过所述镇定性目标函数对所述忆阻神经网络进行镇定性分析，得到镇定性分析结果，本发明实现通过微分包含理论，不等式技术和比较策略，在现有技术的基础上无需构造李雅普诺夫函数，仅需要通过比较初始值和镇定性目标函数间的关系，从而得到镇定性判据，且该判据对时滞的大小没有限制，大大提高了其应用范围。
- 一种基于多模态类脑主动感知的边缘计算装置-202310470881.2
- 朱忠攀;陈明初;何斌;李刚;陆萍;王志鹏;周艳敏;张朋朋 - 同济大学
- 2023-04-27 - 2023-08-04 - G06N3/065
- 本发明涉及一种基于多模态类脑主动感知的边缘计算装置，包括：感知神经元模块，用于获取不同模态的感知信息，并将所述感知信息预处理编码为具有设定格式的脉冲序列；传递神经模块，用于对不同模态的所述脉冲序列进行并行存储和处理，提取相应模态的特征向量；类脑多模处理模块，用于对不同模态的所述特征向量进行选择调配，并进行信息融合与场景理解处理，获取决策信息。与现有技术相比，本发明具有运算效率高、多模信息融合准确性高等优点，进而实现更加可靠的场景理解。
- 一种可片上学习的物理RC网络的实现装置及方法-202310438361.3
- 朱云来;方修全;吴祖恒;冯哲;徐祖雨;代月花 - 安徽大学
- 2023-04-23 - 2023-08-01 - G06N3/065
- 本发明公开了一种可片上学习的物理RC网络的实现装置及方法，属于忆阻器类脑计算系统领域。本发明是基于下一代RC网络，对其进行硬件实现，解决了传统RC网络运算并行度不高。本发明的全硬件RC网络，不是简单权重映射后，再进行数据分类，还可以进行原位训练，这样可以提高网络因为器件的非线性导致的噪声的容忍程度，并且可以针对外界环境的变化，自适应的做出改变。
- 基于局部有源忆阻器的深度回声状态网络系统-202310489920.3
- 王丽丹;李广隶;夏磊;唐健峰;付军;杨斌;段书凯 - 西南大学
- 2023-05-04 - 2023-07-28 - G06N3/065
- 一种基于局部有源忆阻器的深度回声状态网络系统，包括输入层，所述输入层采集具有时间序列属性的向量数据组，并传送向量数据组给第一个储备池和训练池，所述储备池的输出端连接所述训练池，所述训练池输出训练结果给输出层，其特征在于：所述输入层与首尾依次连接的n个储备池中的第一个储备池相连接；所述储备池内设置有掩膜和局部有源忆阻器，其中第一个储备池内的掩膜连接所述输入层，所述局部有源忆阻器前端接掩膜，后端串负载电阻后接地；后级储备池内的的输入是前级负载电阻之间的电压值。其显著效果是：大大减少了储备池的尺寸，简化训练，只需要单个局部有源忆阻器就可实现深度结构，适用于复杂的时间序列预测任务，具有更好的系统性能。
- 一种涡轮集气腔出口流量不均匀系数的预测方法-201911196815.0
- 王春华;张小颖;张靖周 - 南京航空航天大学
- 2019-11-29 - 2023-07-25 - G06N3/065
- 本发明公开一种涡轮集气腔出口流量不均匀系数的预测方法，包括以下步骤：选择预测模型的输入参数，并确定参数的变化区间；进行变工况数值实验，制成预测模型的训练样本和测试样本；基于训练样本建立径向基函数神经网络预测模型，并利用试错法确定神经网络经验系数；利用测试样本对径向基函数神经网络预测模型进行测试，验证预测模型的泛化能力。本发明克服了传统经验关联式方法需要大量样本的缺点，提供了一种预测精度高，泛化能力强，具有高鲁棒性的涡轮集气腔流量不均匀系数预测方法。
- 一种加权求和存内计算电路及存储器-202310350594.8
- 王宗巍;杨韵帆;蔡一茂;黄如 - 北京大学
- 2023-04-04 - 2023-07-18 - G06N3/065
- 本发明提供一种加权求和存内计算电路及存储器，其中的电路包括：呈对称分布的第一阵列(阵列A)和第二阵列(阵列B)，以及外围电路；其中，当使用第一阵列进行存内计算时，首先把第一阵列和第二阵列通过外围电路断开连接，向第一阵列输入预充电压及脉冲信号，并通过第一阵列执行按位矩阵向量乘法运算；随后第一阵列和第二阵列通过外围电路实现连接，第一阵列和第二阵列组成开关电容电路，以通过第二阵列获取与脉冲信号对应的模拟求和及模拟加权求和运算，并输出运算结果。当使用第二阵列进行存内计算时，过程与上述过程相似。利用上述发明能够保持位线上的电压稳定，减少ADC的开启次数，提高系统的能效与面积效率。
- 一种基于神经元膜高低电位采样的脉冲电路-202310558303.4
- 马国坤;许事嘉;桃李;王浩;段金霞;吕琳 - 湖北大学;湖北江城实验室
- 2023-05-18 - 2023-07-18 - G06N3/065
- 本发明公开了一种基于神经元膜高低电位采样的脉冲电路，提出膜电位高低位同步采样，在高低膜电位出现的时刻分别在对应端口输出一个指示脉冲；根据两个膜电位检测信号发放时间及相对位置综合判断神经元激活状态并发放脉冲。由于神经元阈值激活电压和保持电压相距较远，且触发脉冲发放需要两个检测脉冲按先后顺序在一定时间内成对出现，可以有效避免由于干扰或膜电位在所设置的基准电压附近波动而导致的脉冲少发或误发现象。该神经元激活状态识别和激活脉冲发放电路能够即时、准确地发放标准脉冲激活信号，为大规模多层脉冲神经网络的层间信号匹配与脉冲神经网络和各功能模块间的信号交互提供了有力支撑。
- 使用半导体存储元件的神经网络运算电路及动作方法-201880057223.8
- 早田百合子;河野和幸;中山雅义;持田礼司;小野贵史;诹访仁史 - 松下控股株式会社
- 2018-08-24 - 2023-07-14 - G06N3/065
- 将在神经网络运算中使用的耦合权重系数保存到存储器阵列(20)中，由字线驱动电路(24)驱动与神经网络的输入数据对应的字线(22)，由列选择电路(25)将连接有作为运算对象的耦合权重系数的位线连接到运算电路(26)，在运算电路(26)中判定流过位线(23)的单元电流的总和。将运算电路(26)的判定结果保存到输出保持电路(27)中，作为下一层的神经网络的输入而向字线驱动电路(24)设定。控制电路(29)基于保持在网络构成信息保持电路(28)中的信息，对字线驱动电路(24)及列选择电路(25)指示在神经网络运算中使用的字线(22)及位线(23)的选择。
- 一种全功能巴甫洛夫联想记忆及恐惧学习的忆容仿生电路-202310380566.0
- 王延峰;杨飞飞;陈柏任;岳乙;高培龙;翟宇;孙军伟;王英聪;凌丹;王妍;刘鹏;黄春;刘娜;雷霆;方洁;余培照;张勋才;兰奇逊 - 郑州轻工业大学
- 2023-04-11 - 2023-07-07 - G06N3/065
- 本发明提出了一种全功能巴甫洛夫联想记忆及恐惧学习的忆容仿生电路，设计了嗅觉神经元模块、听觉神经元模块、视觉神经元模块、痛感神经元模块、听觉嗅觉联想神经元模块、视觉嗅觉联想神经元模块、视听觉联想神经元模块、听觉痛感联想神经元模块和视觉痛感联想神经元模块的九个神经元模块。本发明使用忆容构建的神经元模块具有更加节能、权重变化更加直观的优势，九个神经元模块的相互连接实现了四种信号的两两不同信号间包括学习、遗忘、二次学习、二次遗忘、艾宾浩斯遗忘、刺激间隔学习、延时学习、阻塞、阻塞恢复、二次调节、间歇性刺激促进、潜在抑制和三种不同情况下的恐惧学习在内的联想学习过程，拓宽了使用硬件实现生物仿生电路的可能性。
- 一种神经网络加速装置、方法、设备和计算机存储介质-202111592393.6
- 祝叶华;孙炜 - 哲库科技（上海）有限公司
- 2021-12-23 - 2023-06-30 - G06N3/065
- 本申请实施例公开了一种神经网络加速装置、方法、设备和计算机存储介质，该神经网络加速装置包括若干个运算单元，每一个运算单元包括存内计算阵列和第一算子模块，且第一算子模块中包括若干个第一类算子；其中，存内计算阵列，用于获取输入特征数据，并对输入特征数据进行卷积操作，得到初始计算结果；第一算子模块，用于通过第一类算子对初始计算结果进行算子操作，得到中间计算结果，并将中间计算结果作为下一个运算单元的输入特征数据。这样，不仅可以减少处理器与存储器之间的数据传输量，降低数据搬运开销，而且利用该存内计算阵列还能够降低计算的复杂度，进而提高了系统的整体性能。
- 专利分类
