隨著人工智能的快速發(fā)展,越來(lái)越多的神經(jīng)網(wǎng)絡(luò)算法被廣泛運(yùn)用于模式識(shí)別,語(yǔ)音分析,感覺(jué)處理等方面,但是這些算法需要消耗大量的硬件資源。為了使神經(jīng)網(wǎng)絡(luò)范式應(yīng)用于更加有效的神經(jīng)網(wǎng)絡(luò)系統(tǒng)中,實(shí)現(xiàn)專用人工智能芯片顯得格外重要。本文提出了一種基于Spiking NeuralNetwork(SNN)的可配置異步神經(jīng)網(wǎng)絡(luò)芯片的架構(gòu)。該系統(tǒng)含有256x4個(gè)神經(jīng)元,256x4個(gè)突觸以及實(shí)現(xiàn)不同芯片之間神經(jīng)元連接的路由器電路�？紤]到不同神經(jīng)元模型的生物相似性以及電路實(shí)施可行性,此神經(jīng)網(wǎng)絡(luò)采用了基于integrate-and-fire模型的神經(jīng)元電路,該神經(jīng)元電路可以通過(guò)不同的偏置調(diào)整其產(chǎn)生脈沖時(shí)的閾值電壓以及產(chǎn)生脈沖后的生物絕對(duì)不應(yīng)期時(shí)間,并且該神經(jīng)元具有脈沖頻率自適應(yīng)功能,該功能能夠自主調(diào)整神經(jīng)元脈沖產(chǎn)生的頻率。由于spike-timing-dependent plasticity(STDP)僅僅根據(jù)突觸前后神經(jīng)元產(chǎn)生的脈沖時(shí)間差來(lái)更新突觸權(quán)值,而對(duì)那些沒(méi)有時(shí)序關(guān)系的脈沖則無(wú)法進(jìn)行權(quán)值更新,本文采用了基于突觸后去極化程度以及鈣離子濃度等參數(shù)的突觸學(xué)習(xí)機(jī)制,并且加入了相應(yīng)的stop-learning功能使突觸能夠?qū)W習(xí)存儲(chǔ)更多的輸入模式。為了實(shí)現(xiàn)不同神經(jīng)網(wǎng)絡(luò)芯片之間的互聯(lián),本文設(shè)計(jì)了用于不同芯片之間通信的Address Event Representation(AER)協(xié)議,并且采用了 一種二級(jí)路由方式,該路由方式能夠有效的減少存儲(chǔ)神經(jīng)元連接信息的內(nèi)存容量。本文采用了 SMIC180nm工藝來(lái)實(shí)現(xiàn)上述神經(jīng)網(wǎng)絡(luò)系統(tǒng)中的關(guān)鍵模塊,對(duì)不同的模塊進(jìn)行了相應(yīng)的仿真分析并且驗(yàn)證了關(guān)鍵模塊工作的正確性。
【學(xué)位單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TN402
【部分圖文】：

為神經(jīng)遞質(zhì)的分子作為媒介，實(shí)現(xiàn)兩個(gè)神經(jīng)元之間的連接以及調(diào)節(jié)。在這里，主??要討論化學(xué)突觸。在突觸前神經(jīng)元和后神經(jīng)元細(xì)胞膜之間有一段非常狹小的間隙，??稱之為突觸間隙（見(jiàn)圖２．１）。當(dāng)有動(dòng)作電位到迖突觸時(shí)，Ｃａ２＋離子就會(huì)通過(guò)細(xì)胞??膜上的溝道進(jìn)入突觸后神經(jīng)元的突觸，從而產(chǎn)生由Ｃａ２＋離子觸發(fā)的囊泡，通過(guò)將??囊泡中的神經(jīng)遞質(zhì)釋放到突觸間隙，前后神經(jīng)元之間就形成了連接，使得信息得??以傳遞。在在靠近突觸后神經(jīng)元的突觸間隙位置處存在大量的或遞質(zhì)門離子通道，??當(dāng)有神經(jīng)遞質(zhì)分子需要接收時(shí)，這些溝道就會(huì)導(dǎo)通使神經(jīng)遞質(zhì)被突觸后神經(jīng)元接??收。根據(jù)不同離子的不同導(dǎo)通情況，突觸后神經(jīng)元會(huì)產(chǎn)生相應(yīng)的興奮或抑制狀態(tài)。??５??

ｆ?ｆ?’?ｏｕｔｐｕｔ??圖３．１地址事件描述電路編碼??１２?１４?３?〉爹?｜?＾?＼??＾?§？?Ｉ?￣ｖ?Ｖ?＼?＼—??Ａｄｄｒｅｓｓ－ｅｖｅｎｔ?〇??｜????????ｉｎｐｕｔ?＼?＼?＼?＼??圖３．２地址事件描述電路譯碼??３．２系統(tǒng)架構(gòu)??如圖３．３所示，該神經(jīng)芯片系統(tǒng)由４個(gè)核心塊、第一級(jí)路由器、第二級(jí)路由??器以及第三級(jí)路由器組成。這三級(jí)路由器主要完成在一個(gè)神經(jīng)系統(tǒng)網(wǎng)絡(luò)中不同神??經(jīng)芯片之間的通信工作。每個(gè)核心塊的詳細(xì)架構(gòu)如圖３．４所示，該核心塊由內(nèi)容??可尋址寄存器（ＣＡＭ）單元陣列１２６］、編碼器、神經(jīng)元陣列、突觸陣列、仲裁器組??成。除神經(jīng)元電路以及突觸電路外，整個(gè)系統(tǒng)均采用異步電路設(shè)計(jì)思想進(jìn)行設(shè)計(jì)。??每個(gè)核心模塊含有２５６ｘ６４內(nèi)容可尋址寄存器單元、２５６個(gè)神經(jīng)元以及２５６個(gè)??突觸，其中每個(gè)內(nèi)容可尋址寄存器單元由８位寄存器組成。地址可尋址寄存器單??元陣列用于存儲(chǔ)與突觸后神經(jīng)元相連接的突觸前神經(jīng)元的地址信息，考慮到該寄??存器陣列的面積消耗與突觸后神經(jīng)元連接的突觸前神經(jīng)元的數(shù)量成正比，在該系??統(tǒng)設(shè)計(jì)中，一個(gè)突觸后神經(jīng)元最多與６４個(gè)突觸前神經(jīng)元相連。本系統(tǒng)采用具有??８??

??圖４．１異步電路協(xié)議通信方式??４．２數(shù)據(jù)編碼方式??在異步電路設(shè)計(jì)中，數(shù)據(jù)編碼方式［３＜）］由以下幾種：?jiǎn)诬壘幋a、雙軌編碼、１／Ｎ??編碼和ｋ／Ｎ編碼，本節(jié)主要介紹單軌編碼以及雙軌編碼方式。單軌編碼又被稱為??捆綁數(shù)據(jù)編碼，在這種編碼方式中，一根數(shù)據(jù)線表示一比特信息，發(fā)送發(fā)和接收??方直接的時(shí)序同步通過(guò)額外的請(qǐng)求和應(yīng)答信號(hào)來(lái)完成。單軌編碼如圖４．２所示，??這種編碼方式必須保證在請(qǐng)求信號(hào)來(lái)臨前，數(shù)據(jù)信號(hào)已經(jīng)準(zhǔn)備就緒，否則就會(huì)產(chǎn)??生數(shù)據(jù)傳輸錯(cuò)誤。根據(jù)單軌編碼方式，握手協(xié)議可以分為四相捆綁數(shù)據(jù)協(xié)議以及??Ｒｅｑ、??？??？??Ａｃｋ??Ｓｅｎｄｅｒ?＾?Ｒｅｃｅｉｖｅｒ??門??（ａ）捆綁數(shù)據(jù)通道??Ｒｅｑ?ｉ；??Ｒｅｑ????觸?￣ｙ＼?ｙ?ｈ?城????〇ａ，ａ?￣ｉｆ?ｉ?〇ａ，ａ?￣￣ｔ?＼??（ｂ）?４相捆綁協(xié)議?（ｃ）?２相捆綁協(xié)議
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柴玉珍;張建文;楊桂通;;神經(jīng)脈沖波傳播形態(tài)的研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年05期

2 陳燕;;神經(jīng)元的突觸可塑性與學(xué)習(xí)和記憶[J];生物化學(xué)與生物物理進(jìn)展;2008年06期

3 李迎九,汪魯才;數(shù)字同步電路的FPGA集成設(shè)計(jì)[J];長(zhǎng)沙電力學(xué)院學(xué)報(bào)(自然科學(xué)版);2004年04期

4 朱大奇;人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J];江南大學(xué)學(xué)報(bào);2004年01期

5 劉勇攀,羅嶸,史崢,楊華中,汪蕙,嚴(yán)曉浪;異步電路的設(shè)計(jì)方法及其應(yīng)用[J];微電子學(xué);2002年06期

6 唐黛;馮·諾依曼和馮·諾依曼機(jī)器[J];上海微型計(jì)算機(jī);1999年46期

7 田勝,常敏慧;計(jì)算機(jī)思維與人腦思維[J];北京聯(lián)合大學(xué)學(xué)報(bào);1999年02期

8 吳成東,陳莉;神經(jīng)網(wǎng)絡(luò)芯片研究進(jìn)展[J];電氣傳動(dòng);1998年06期

9 吳馥梅，楊麗婭，蕭信生;突觸體研究簡(jiǎn)介[J];神經(jīng)科學(xué);1995年02期

10 郭愛(ài)克;生物神經(jīng)網(wǎng)絡(luò)[J];生物物理學(xué)報(bào);1991年04期

相關(guān)碩士學(xué)位論文 前1條

1 孫瑋霞;突觸權(quán)重修正及抑制性神經(jīng)元數(shù)量對(duì)腦放電活動(dòng)的影響[D];河北師范大學(xué);2017年

本文編號(hào)：2842559