[发明专利]具有多位神经形态操作的神经形态方法和设备在审

专利信息
申请号: 201910821984.2 申请日: 2019-09-02
公开(公告)号: CN110874633A 公开(公告)日: 2020-03-10
发明(设计)人: 金成浩;金载兴;李载昊 申请(专利权)人: 三星电子株式会社
主分类号: G06N3/063 分类号: G06N3/063
代理公司: 北京市柳沈律师事务所 11105 代理人: 邵亚丽
地址: 韩国*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要: 一种配置为处理多位神经形态操作的神经形态设备,包括单个轴突电路、单个突触电路、单个神经元电路和控制器。单个轴突电路配置为接收n位轴突的第i位作为第一输入。单个突触电路配置为存储m位突触权重的第j位作为第二输入,并输出第一输入和第二输入之间的突触操作值。单个神经元电路配置为基于输出的突触操作值获得n位轴突和m位突触权重之间的多位神经形态操作结果的每个位值。控制器配置为分别确定对于不同时间段的每个时间段要顺序地分配给单个轴突电路和单个突触电路的第i位和第j位。
搜索关键词: 具有 神经 形态 操作 方法 设备
【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三星电子株式会社,未经三星电子株式会社许可,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/201910821984.2/,转载请声明来源钻瓜专利网。

同类专利
  • 运算装置-201910544723.0
  • 请求不公布姓名 - 中科寒武纪科技股份有限公司
  • 2019-06-21 - 2023-05-02 - G06N3/063
  • 本公开涉及一种运算装置。所述运算装置可以包括处理器、内存控制器、存储单元以及多个运算节点,其中,处理器用于接收输入指令,内存控制器用于加载操作数到存储单元,运算节点用于根据输入指令以及操作数执行输入指令以实现输入指令对应的操作数。根据本公开的运算装置可以提高运算效率。
  • 具有使用深度学习加速器和随机存取存储器实施的内置智能监测的可穿戴电子装置-202180042451.X
  • P·卡利 - 美光科技公司
  • 2021-06-10 - 2023-04-07 - G06N3/063
  • 描述了与深度学习加速器和存储器相关的系统、装置和方法。举例来说,一种可穿戴电子装置可被配置成执行具有矩阵操作数的指令且配置有:外壳,其待穿戴在人身上;传感器,其具有生成与所述人相关联的测量值的一或多个传感器元件;随机存取存储器,其用以存储可由所述深度学习加速器执行的指令且存储人工神经网络的矩阵;收发器;以及控制器,其用以监测使用所述测量值作为到所述人工神经网络的输入而生成的所述人工神经网络的输出。基于所述输出,所述控制器可控制来自所述传感器的测量数据的选择性存储,和/或来自所述可穿戴电子装置的数据到单独的计算机系统的选择性传送。
  • 具有深度学习加速器及随机存取存储器的集成传感器装置-202180039691.4
  • P·卡利 - 美光科技公司
  • 2021-06-16 - 2023-04-07 - G06N3/063
  • 描述与深度学习加速器及存储器相关的系统、装置及方法。举例来说,集成传感器装置能够经配置以执行具有矩阵操作数的指令,且经配置有:传感器,其用以产生刺激的测量;随机存取存储器,其用以存储能够由所述深度学习加速器执行的指令及存储人工神经网络的矩阵;主机接口,其能够连接到主机系统;以及控制器,其用以将由所述传感器产生的所述测量存储到所述随机存取存储器中作为到所述人工神经网络的输入。在所述深度学习加速器通过执行所述指令以处理所述输入来在所述随机存取存储器中产生所述人工神经网络的输出之后,所述控制器能够通过所述主机接口将所述输出传达到主机系统。
  • 一种用于卷积神经网络加速器的拆分累加器-201811214639.4
  • 李晓维;魏鑫;路航 - 中国科学院计算技术研究所
  • 2018-10-18 - 2023-02-03 - G06N3/063
  • 本发明涉及一种用于卷积神经网络加速器的拆分累加器,用于将原始权重按计算顺序排列并按位对齐,得到权重矩阵,剔除权重矩阵中的松弛位,得到具有空位的精简矩阵,并使得精简矩阵的每一列中的基本位按计算顺序递补空位,得到中间矩阵,剔除中间矩阵中的空行,并将中间矩阵的空位置0,得到捏合矩阵,捏合矩阵的每一行作为捏合权重;根据激活值与原始权重中基本位的对应关系,得到捏合权重中每一位对应激活值的位置信息;将捏合权重送入拆分累加器,拆分累加器将捏合权重按位分割为多个权重段,根据位置信息,将权重段与对应的激活值进行求和处理,并将处理结果发送至加法树,通过对处理结果执行移位相加,得到输出特征图。
  • 一种AI边缘计算电路-202221290092.8
  • 雷欢;卢杏坚;钟震宇;钟由彬;何峰;王楠 - 广东省科学院智能制造研究所;视云融聚(广州)科技有限公司
  • 2022-05-26 - 2023-02-03 - G06N3/063
  • 本实用新型公开了一种AI边缘计算电路,所述AI边缘计算电路包括:以太网接口,音视频接口模块,USB及扩展接口模块和核心模块,其中:所述核心模块基于信号线连接所述以太网接口,所述核心模块基于信号线连接所述音视频接口模块,所述核心模块基于信号线连接所述USB接口及扩展接口模块;所述核心模块包括内置神经网络处理器NPU、高性能处理器CPU和内存与存储模块。本实用新型实施可以满足AI边缘计算电路对神经网络的运算,使得其能擅长处理视频、图像类的海量多媒体数据,从而提升了神经网络运算的效率。
  • 扩展存储器神经形态组件-202180035277.6
  • V·S·拉梅什;A·波特菲尔德 - 美光科技公司
  • 2021-06-01 - 2023-01-31 - G06N3/063
  • 描述与用于在存储器内执行操作的扩展存储器神经形态组件相关的系统、设备和方法。实例设备可包含多个计算装置。所述计算装置中的每一者可包含处理单元和存储器阵列。所述实例设备可进一步包含耦合到所述多个计算装置中的至少一者且耦合到神经形态组件的通信子系统。所述多个计算装置中的至少一者可从主机接收执行操作的请求,接收待在存储器装置中存取以执行所述操作的数据的指示,且将指示发送到所述神经形态组件以监测待存取的数据。所述神经形态组件可拦截数据且确定应标记所述数据的一部分。
  • 使用posit的神经形态运算-202180035602.9
  • V·S·拉梅什;R·C·墨菲 - 美光科技公司
  • 2021-06-01 - 2023-01-31 - G06N3/063
  • 描述与用posit构建的神经元相关的系统、设备及方法。一种实例系统可包含存储器装置且所述存储器装置可包含多个存储器单元。所述多个存储器单元可存储包含呈模拟格式的位串的数据。可对呈所述模拟格式的所述数据执行神经形态运算。所述实例系统可包含耦合到所述存储器装置的模/数转换器。所述模/数转换器可将存储在所述多个存储器单元中的至少一者中的呈所述模拟格式的所述位串转换为支持特定精度水平的算术运算的格式。
  • 一种感存算器件及制备方法-202211242145.3
  • 杨雅芬;何振宇;王天宇;孟佳琳;张卫 - 上海集成电路制造创新中心有限公司
  • 2022-10-11 - 2023-01-17 - G06N3/063
  • 本发明公开了一种感存算器件及制备方法,包括在衬底上并列形成第一电极和第二电极,以及形成连接于第一电极和第二电极之间的功能层,功能层由在第一电极表面上形成的第一电极金属的氧化物纳米线和在第二电极表面上形成的第二电极金属的氧化物纳米线组成。本发明通过将基于电极金属的氧化物纳米线所构建的忆阻器与CMOS工艺材料相结合,能够实现具有轻便、易制备等特点的感存算一体神经突触器件,具有较大的应用前景。
  • 用于神经网络运算、训练的装置、设备及板卡-201911360216.8
  • 请求不公布姓名 - 上海寒武纪信息科技有限公司
  • 2019-12-25 - 2023-01-17 - G06N3/063
  • 本披露公开了用于神经网络运算的计算装置和集成电路板卡,其中该计算装置包括在组合处理装置中,该组合处理装置还可以包括通用互联接口和其他处理装置。所述计算装置与其他处理装置进行交互,共同完成用户指定的计算操作。组合处理装置还可以包括存储装置,该存储装置分别与计算装置和其他处理装置连接,用于该计算装置和其他处理装置的数据。本披露的方案可以加速对神经网络的训练。
  • 一种基于非线性器件的原位自激活神经网络电路及神经网络运算方法-202010783712.0
  • 王宗巍;蔡一茂;鲍盛誉;凌尧天;喻志臻;康健;郑琪霖;黄如 - 北京大学
  • 2020-08-06 - 2023-01-17 - G06N3/063
  • 本发明涉及一种基于非线性器件的原位自激活神经网络电路及神经网络运算方法。该原位自激活神经网络电路包含多层,其中至少一层包含输入模块、IMT‑RRAM阵列和输出模块:所述输入模块,用于将神经网络的该层向量信号的模拟量传递给IMT‑RRAM阵列进行运算;所述IMT‑RRAM阵列,包含多个存储单元,每个存储单元包含一个IMT‑RRAM器件即绝缘体‑金属转变式自选择阻变存储器;所述输出模块,用于将IMT‑RRAM阵列的计算结果的模拟信号传递到下一层。本发明实现了先激活再乘加的神经网络架构,在保持原有神经网络架构运算精度的同时,节省了大量的面积和外围电路带来的功耗。
  • 用于神经网络中的近似计算的运算部件-202180037983.4
  • A·贡托罗;C·E·德拉帕拉阿帕利希奥;T·索里曼 - 罗伯特·博世有限公司
  • 2021-05-10 - 2023-01-13 - G06N3/063
  • 用于计算针对两个输入数(2a,2b)的积(3)或者和的近似值的运算部件(1),其包括多个运算模块(4,4a,4b),其中所述运算模块中的至少一个(4a)设置为,计算输入数(2a,2b)的数字的单个积或单个和,并且其中多个运算模块(4b)互连成加法运算部件(5),所述加法运算部件(5)构造为,从单个积中或从单个和中计算所述积(3)或所述和的数字(3a‑3k),其中在运算部件(1)中缺少如下至少一个运算模块(4):对于计算至少一个单个积或单个和,和/或对于将所述单个积或所述单个和传播到所述积(3)或所述和上,需要所述至少一个运算模块(4);或者所述至少一个运算模块(4)在那里互连成使得,在运算部件(1)的运行时间期间,可选择性地完全或者部分停用所述至少一个运算模块(4)。
  • ARGMAX或ARGMIN在硬件中的实施-202210733526.5
  • A·阿马迪;M·阿萨德;C·迪基奇;E·康多雷利 - 想象技术有限公司
  • 2022-06-27 - 2023-01-13 - G06N3/063
  • ARGMAX或ARGMIN在硬件中的实施。一种用于在包括固定功能电路系统的硬件加速器上根据神经网络过程处理数据的机制,所述神经网络过程包括具有相关联的argmax或argmin函数的神经网络。将所述argmax或argmin函数映射到可用于所述固定功能电路系统的基本神经网络运算的集合。然后使用所述固定功能电路系统执行所述神经网络过程。使用所述神经网络过程处理的数据包括图像和/或音频数据。
  • 在硬件中实施池化和反池化或反向池化-202210733532.0
  • A·阿马迪;M·阿萨德;C·迪基奇;E·康多雷利 - 想象技术有限公司
  • 2022-06-27 - 2023-01-13 - G06N3/063
  • 在硬件中实施池化和反池化或反向池化。一种用于在包括固定功能电路系统的硬件加速器上根据神经网络过程来处理数据的机制,所述神经网络过程包括池化、反池化或反向池化和/或二进制argmax/argmin函数。将所述函数映射到能够供所述固定功能电路系统使用的基本神经网络运算集合。随后使用所述固定功能电路系统执行所述神经网络过程。使用所述神经网络过程处理的所述数据包括图像和/或音频数据。
  • 用于三元计算的存储装置-202210418735.0
  • 邱志杰;林俊彦;陈志龙 - 英属维京群岛商烁星有限公司
  • 2022-04-20 - 2023-01-13 - G06N3/063
  • 本申请公开了一种存储装置。所述存储装置包括一对存储单元、模数转换器及处理电路。所述一对存储单元具有第一存储单元及第二存储单元。所述模数转换器具有第一输入端及第二输入端,用以将位于所述第一输入端的第一数据信号及位于所述第二输入端的第二数据信号转换为数字输出,所述数字输出表示与所述一对存储单元所存储的特定状态相关的数据值。所述处理电路耦接于所述第一存储单元的存储节点、所述第二存储单元的存储节点及所述第一、第二输入端,用以根据所述第一存储单元所存储的第一数据及所述第二存储单元所存储的第二数据选择性地调整所述第一数据信号与所述第二数据信号。所述存储装置能够在任一对存储单元实现零状态,并具有低功耗。
  • 算子处理方法、电子设备及存储介质-202211194266.5
  • 胡尔佳;伍云云 - 美的集团(上海)有限公司;美的集团股份有限公司
  • 2022-09-28 - 2023-01-13 - G06N3/063
  • 本申请涉及嵌入式人工智能技术领域,提供一种算子处理方法、电子设备及存储介质,其中算子处理方法,包括:获取待处理算子的目标类别信息;确定与目标类别信息匹配的目标算力优化策略,目标算力优化策略包括主核执行算子和从核执行算子中的至少一种;基于目标算力优化策略,执行待处理算子。使用本申请能够实现多核异构系统在执行不同类别算子的过程中也能够确保多核算力最优的目的,大幅提高了多核异构系统处理算子的执行效率和运算效率,同时也能充分发挥多核算力优势,并且,通过主核执行算子和/或从核执行算子能够确保算子处理的灵活性和可靠性,从而也能大幅降低多核异构系统的处理器功耗。
  • 一种基于VTA-DA神经元的忆阻自修复神经网络电路-202211463218.1
  • 万求真;刘炯;陈思邈;杨巧;孙坤亮 - 湖南师范大学
  • 2022-11-16 - 2023-01-13 - G06N3/063
  • 本发明公开了一种基于VTA‑DA神经元的忆阻自修复神经网络电路。基于VTA‑DA神经元的自修复工作机制,提出的忆阻自修复神经网络电路包括信号输入模块、错误检测模块、阈值触发模块和负反馈模块。其中,信号输入模块包括信号转换区和信号接收区,错误检测模块包括信号求差区和脉冲释放区,阈值触发模块包括信号转换区和反馈回路区,负反馈模块包括信号释放区和时序控制区。本发明主要通过忆阻器的阻值可塑性来实现电路对有害信号的识别并实现自我修复,其中仅信号输入模块和阈值触发模块中包含忆阻器。与以往的自修复方法相比,所提出的忆阻自修复神经网络电路由纯硬件实现,在修复成功率、耗能及冗余度等指标上有明显的提高。
  • 一种神经网络运算的硬件加速装置和加速方法-202110772340.6
  • 蒲朝飞;张楠赓 - 北京嘉楠捷思信息技术有限公司
  • 2021-07-08 - 2023-01-13 - G06N3/063
  • 本发明提供了一种神经网络运算的硬件加速装置和加速方法,所述硬件加速装置包括内存模块、解析模块以及多个功能模块;所述内存模块用于缓存神经网络运算的所需数据;所述解析模块用于:接收根据所述内存模块的大小和所述神经网络运算的所需数据而预先确定的指令序列,解析所述指令序列以得到多个类型的操作指令,向各个功能模块下发对应类型的所述操作指令;所述各个功能模块用于响应于接收到对应类型的所述操作指令而执行对应的神经网络运算操作。利用上述装置,能够提高硬件加速装置的通用性。
  • 用于对图像数据执行分析的方法和设备-202180031015.2
  • 罗法隆 - 美光科技公司
  • 2021-05-06 - 2023-01-13 - G06N3/063
  • 用于将例如深度学习算法等数据分析应用于传感器数据的方法和设备。在一个实施例中,公开了一种电子装置,例如相机设备,其包含与图像传感器通信的深度学习加速器(DLA),所述相机设备被配置成在一个变体中使用所述DLA来评估来自所述图像传感器的未处理的传感器数据,所述相机设备将传感器数据直接提供到所述DLA,绕过图像信号处理以便改进所述DLA的有效性,比使用常规方法更快地获得DLA结果,并且进一步允许所述相机设备节省电力。
  • 类神经计算系统及其电流估计方法-201711105185.2
  • 林昱佑;李峰旻 - 旺宏电子股份有限公司
  • 2017-11-10 - 2023-01-13 - G06N3/063
  • 一种类神经计算系统,包括突触单元阵列、切换电路、感测电路以及处理电路。突触单元阵列包括多条列线、多条行线以及多个突触单元。突触单元位于列线与行线的交叉处。切换电路耦接突触单元阵列,用以将行线电性连接至第一终端或第二终端。感测电路耦接突触单元阵列,用以感测行线上的电压值以及电流值。处理电路耦接切换电路以及感测电路,并经配置而用以:通过切换电路,将多条行线中的一特定行线电性连接至第一终端、通过感测电路,自电性连接至第一终端时的特定行线取得一第一电压值、通过切换电路,将特定行线电性连接至第二终端、通过感测电路,自电性连接至第二终端时的特定行线取得第二电压值、根据第一电压值以及第二电压值之间的电压差值,估计积项和感测电流值。
  • 神经形态装置和包括该神经形态装置的电子装置-202210774082.X
  • 黄荣南 - 三星电子株式会社
  • 2022-07-01 - 2023-01-10 - G06N3/063
  • 一种神经形态装置包括:多个单元瓦片,其包括:包括存储神经网络的权重的多个存储器单元的单元阵列,经由多条行线连接到多个存储器单元的行驱动器,以及经由多条列线连接到多个存储器单元并且将经由多条列线读取的单元电流分别转换为多条数字单元数据的单元模数转换器;参考瓦片,其包括:包括多个参考单元的参考单元阵列,经由多条参考行线连接到多个参考单元的参考行驱动器,以及经由多条参考列线连接到多个参考单元并且将经由多条参考列线读取的参考电流转换为多条数字参考数据的参考模数转换器;以及比较器电路,其被配置为将多条数字单元数据分别与多条数字参考数据进行比较。
  • 一种实现快速二维DCT变换的装置及其方法-202211171240.9
  • 潘红兵;周义;梅正宇;朱杰;王宇宣 - 南京大学
  • 2022-09-26 - 2023-01-10 - G06N3/063
  • 本发明公开了一种实现快速二维DCT变换的装置及其方法。该装置包括位线驱动单元、字线驱动单元、源线驱动单元、光电存算一体器件阵列单元、整合单元、电流电压转换和模数转换单元、移位累加单元;驱动单元用于完成变换矩阵和数据向量的输入;光电存算一体器件阵列单元,用于完成变换矩阵和数据向量的乘法操作;整合单元,用于将正数值分量与负数值分量整合为一个数据;电流电压转换和模数转换单元,用于将光电流信号转化为电压信号,并将电压模拟信号转化为数字信号;移位累加单元,用于将中间结果进行移位和累加操作。本发明的装置能快速实现二维DCT变换,在使用硬件实现计算加速时,极大地降低了硬件架构的面积、功耗以及计算延迟。
  • 一种基于光电存算一体器件的多层感知机装置-202211178375.8
  • 潘红兵;吴迪;梅正宇;郑沐晗;王宇宣 - 南京大学
  • 2022-09-26 - 2023-01-10 - G06N3/063
  • 本发明提供了一种基于光电存算一体器件的多层感知机装置。该装置包括:普通卷积层模块,用于对输入特征图进行卷积运算并生成输出特征图传输至混合层模块;混合层模块,包括级联的四个混合层模块,每个混合层模块分别包括依次相连的深度可分离卷积层子模块、两个全连接层子模块;平均池化及分类输出模块,包括平均池化子模块和分类器子模块,用于将四个混合层模块输出的特征图像按通道进行平均池化操作,然后将平均池化后得到的一维向量进行分类输出操作得到最终分类的预测结果。本发明所实现的神经网络加速器其中间缓存开销更小、与基于光电存算一体器件的计算阵列更适配,而且提升了神经网络中矩阵向量乘运算的效率。
  • 用于训练模型的虚拟环境构建方法及模型的训练方法-202211180643.X
  • 田董涛 - 海南车友家信息技术有限公司
  • 2022-09-26 - 2023-01-10 - G06N3/063
  • 本发明公开了一种用于训练深度学习模型的虚拟环境的构建方法、深度学习模型的训练方法、计算设备及可读存储介质,其中,用于训练深度学习模型的虚拟环境的构建方法,包括:构建运行预定计算机语言的虚拟环境;在虚拟环境中安装分布式处理系统和分布式深度学习框架;在虚拟环境中,对运行预定计算机语言的执行器和分布式深度学习框架对应的令牌文件分别生成统一路径;将虚拟环境打包后分发至基于分布式处理系统的集群上。本发明的技术方案使得通过虚拟环境在分布式处理系统的集群中运行分布式深度学习框架具有可行性。
  • 神经网络处理、信息处理方法、装置和计算机设备-202211283346.8
  • 陶淳;张文泰;马子扬 - 腾讯科技(深圳)有限公司
  • 2022-10-20 - 2023-01-10 - G06N3/063
  • 本申请涉及一种神经网络处理方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括:获取神经网络算子关联图中各个算子节点的节点深度;基于各个算子节点对应的节点深度、依赖信息和设备支持信息对各个算子节点进行划分,得到算子关联子图和待划分算子节点;基于算子关联子图和待划分算子节点得到更新的神经网络算子关联图并进行循环迭代,直到各个算子节点划分完成时,得到各个目标算子关联子图和对应的子图设备支持信息;将神经网络算子关联图、各个目标算子关联子图和子图设备支持信息关联,并响应神经网络运算请求按照关联关系将各个目标算子关联子图发送至对应的目标设备进行运算。采用本方法能够提高设备利用率,节省运算资源。
  • 一种多样性人工突触的制备方法-202211275035.7
  • 崔彬;苗停停;胡季帆 - 山东大学
  • 2022-10-18 - 2023-01-06 - G06N3/063
  • 本发明公开了一种新型的双通道人工突触及其制备方法与应用。其由通道Ⅰ和通道Ⅱ串联,通道层为过渡金属的钙铁石氧化物。双通道人工突触利用氧离子在外延的单晶氧化物薄膜的迁移依赖于晶体取向,具有高度各向异性。在基片内改变通道的制备方向,使得双通道人工突触具有多种可塑性规则,这对人工智能领域模拟生物系统的复杂多样性具有重大意义。同时,还提供了一种双通道人工突触,包括基片、所述双通道、栅极、侧电极和门电极。本研究利用离子液体门控效应诱导氧离子迁移,通过沿[110]晶体取向快速的氧离子传输通道,实现了绝缘的ABO2.5与金属的ABO3之间具有各向异性动力学的可逆相变,可用于信息存储和低能耗的人工智能器件。
  • 一种基于RISC-V的AI计算异构系统-202211301024.1
  • 胡绍刚;王宇宸;周莆均;乔冠超;刘洋 - 电子科技大学
  • 2022-10-24 - 2023-01-06 - G06N3/063
  • 本发明属于集成电路领域,具体涉及一种基于RISC‑V的AI计算异构系统。该系统主要包括:具有多种外设接口,用于发送自定义扩展指令的基于RISC‑V指令集的处理器;用于执行自定义扩展指令的NICE(Nuclei Instruction Co‑unit Extension,核指令协同单元扩展)协处理器模块;用于暂存参数的寄存器表模块;用于外部SRAM控制的SRAM控制器模块;包含仲裁模块和PE(Processing Elements,处理单元)计算单元,用于实现神经网络硬件加速计算的PE阵列计算模块。RISC‑V处理器通过NICE总线传输自定义扩展指令到NICE核协处理器,根据配置参数控制、调度PE阵列完成高效计算,大幅度减少了对存储空间的访问,降低功耗。同时该系统能够改变配置参数重构PE阵列,提升了通用性和灵活性。
  • 基于忆阻的多模式泛化和分化联想记忆神经网络电路-202210259727.6
  • 孙军伟;雷霆;王洋洋;杨建领;燕奕霖;马永幸;余培照;王英聪;黄春;王延峰;凌丹;王妍;刘娜;方洁 - 郑州轻工业大学
  • 2022-03-16 - 2023-01-06 - G06N3/063
  • 本发明提出了一种基于忆阻的多模式泛化和分化联想记忆神经网络电路,包括输入信号端N1‑N7、突触神经元模块Ⅰ‑突触神经元模块Ⅶ、抑制模块Ⅰ‑抑制模块Ⅴ和输出信号端,突触神经元模块Ⅰ‑突触神经元模块Ⅶ通过或门与输出信号端相连接。本发明通过多个突出神经元模块之间的联想学习及遗忘过程,实现了巴浦洛夫联想记忆的二级分化的过程,使得联想记忆更加符合大脑记忆的实际情况;实现了巴浦洛夫联想记忆的多次泛化和分化,泛化的次数越多,使得学习的周期越少和分化的周期越少,而且遗忘的速度变慢,逐渐巩固,可能会形成长期记忆。通过抑制模块实现遗忘中的消退抑制和分化抑制,使得联想记忆更加符合生物特性。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top