在人工智能的研究領(lǐng)域中,隨著神經(jīng)科學(xué)家對(duì)人腦的不斷探索,人工神經(jīng)網(wǎng)絡(luò)技術(shù)正在不斷的進(jìn)行著改進(jìn)與提升。近年來,由于科學(xué)設(shè)備和技術(shù)的不斷發(fā)展,生物科學(xué)家們對(duì)生物大腦進(jìn)行了更深入的觀察與研究,發(fā)現(xiàn)生物能夠快速響應(yīng)外界的刺激是因?yàn)樯锷窠?jīng)網(wǎng)絡(luò)的信息傳遞依賴于神經(jīng)元發(fā)放脈沖的具體時(shí)刻,在此背景下提出了一種新型的人工神經(jīng)網(wǎng)絡(luò)——脈沖神經(jīng)網(wǎng)絡(luò)(SNN),由于其與生物神經(jīng)元機(jī)制的高度吻合性,脈沖神經(jīng)網(wǎng)絡(luò)迅速成為世界各界的研究熱點(diǎn)。當(dāng)前基于SNN網(wǎng)絡(luò)的研究項(xiàng)目主要還是以軟件算法仿真為主,但是采用計(jì)算機(jī)編程實(shí)現(xiàn)的方法并不能完全發(fā)揮SNN網(wǎng)絡(luò)中低功耗、高性能以及高并行計(jì)算的特點(diǎn)。雖然工程師們已相繼開發(fā)出了各種可以模擬SNN網(wǎng)絡(luò)的仿真器,然而目前基本上都缺乏可擴(kuò)展的體系結(jié)構(gòu),無法實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)編程擴(kuò)展的要求,而這一要求對(duì)正處于研究發(fā)展過程中的脈沖神經(jīng)網(wǎng)絡(luò)的仿真與驗(yàn)證是及其重要的。基于上述原因,傳統(tǒng)計(jì)算機(jī)已經(jīng)越來越不能滿足脈沖神經(jīng)網(wǎng)絡(luò)算法的處理性能,人們迫切需要一種能夠?qū)NN算法進(jìn)行驗(yàn)證及處理的平臺(tái)。本文針對(duì)脈沖神經(jīng)網(wǎng)絡(luò)(SNN)設(shè)計(jì)了一種基于事件驅(qū)動(dòng)的可編程、可擴(kuò)展的并行體系架構(gòu),其設(shè)計(jì)思想基于傳輸觸發(fā)(TTA)體系結(jié)構(gòu)。其特點(diǎn)是將神經(jīng)元看做專用運(yùn)算處理單元,通過信號(hào)傳遞網(wǎng)絡(luò)為專用處理單元傳輸數(shù)據(jù)并實(shí)現(xiàn)網(wǎng)絡(luò)中的運(yùn)算,由于TTA體系結(jié)構(gòu)具有并行度高、擴(kuò)展性強(qiáng)、指令集簡(jiǎn)單等特點(diǎn),故所設(shè)計(jì)的SNN處理器具有較強(qiáng)的通用性和擴(kuò)展性,其神經(jīng)元模型參數(shù)與網(wǎng)絡(luò)結(jié)構(gòu)皆可配置。系統(tǒng)采用現(xiàn)場(chǎng)可編程門陣列(FPGA)實(shí)現(xiàn),可以提供高性能的并行運(yùn)算且可靈活支持大規(guī)模SNN模型的模擬仿真。根據(jù)網(wǎng)絡(luò)的處理需求,通過專用的神經(jīng)元處理單元來計(jì)算SNN,考慮到FPGA中有限的硬件資源,SNN處理器中神經(jīng)元通過時(shí)分復(fù)用的方式實(shí)現(xiàn)脈沖神經(jīng)元陣列的擴(kuò)展,這種實(shí)現(xiàn)方法可以節(jié)省大量的硬件資源,顯著提升SNN網(wǎng)絡(luò)規(guī)模。本文旨在提供一種工具,使得SNN的模型設(shè)計(jì)相對(duì)于在CPU/GPU架構(gòu)上可以更快實(shí)現(xiàn),但相對(duì)于定制的神經(jīng)形態(tài)芯片要便宜很多。此外,系統(tǒng)可編程、可擴(kuò)展的特點(diǎn)使得所設(shè)計(jì)的處理器可以適用于當(dāng)前大部分SNN/SCNN算法的測(cè)試驗(yàn)證,這在計(jì)算神經(jīng)科學(xué)以及神經(jīng)形態(tài)工程學(xué)方面具有潛在的應(yīng)用價(jià)值。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP332;TP183
【部分圖文】：

功能是否正確；其次，對(duì)同時(shí)發(fā)生事件進(jìn)行了測(cè)試，可以驗(yàn)證電路中的仲裁功能是否正常。電路仿真結(jié)果分別如圖 4.2、4.3 所示。圖4.2 無沖突事件電路仿真

表示行地址編碼，addr_column 表示列地址編碼，可見仿真結(jié)果正確表示了發(fā)生像素事件的地址。圖4.3 沖突事件電路仿真如圖 4.3 所示，仿真對(duì)二維 8 行 8 列對(duì)角同時(shí)發(fā)生的像素事件進(jìn)行了測(cè)試，RA、CA 分別表示行列仲裁響應(yīng)，addr_row 表示行地址編碼，addr_column 表示列地址編碼，因?yàn)槭录峭瑫r(shí)發(fā)生，故電路需要通過仲裁選擇，仿真結(jié)果按照優(yōu)先級(jí)高低依次輸出第一行第一列到第八行第八列的像素事件，仲裁結(jié)果正確。4.2 神經(jīng)元電路設(shè)計(jì)與驗(yàn)證4.2.1 神經(jīng)元電路設(shè)計(jì)脈沖神經(jīng)元電路結(jié)構(gòu)如圖 4.4 所示，由圖可知，脈沖神經(jīng)元電路主要由乘法累加模塊、衰減模塊、膜電位選擇模塊、膜電位存儲(chǔ)模塊及比較模塊組成。乘法累加模塊：該模塊主要是對(duì)輸入脈沖和權(quán)值進(jìn)行加權(quán)求和

第四章 處理器硬件電路設(shè)計(jì)與驗(yàn)證37圖4.5 脈沖神經(jīng)元電路仿真由于神經(jīng)元的仿真時(shí)間較長，故時(shí)鐘、輸入權(quán)值和輸出權(quán)值的波形顯示較密集，后續(xù)在 STDP 驗(yàn)證時(shí)，會(huì)有詳細(xì)的測(cè)試波形。由圖可知，神經(jīng)元的膜電位隨著外界脈沖和權(quán)重的變化而變化，在有外界脈沖時(shí)，膜電位 x_p 累加權(quán)重，當(dāng) x_p 大于var_threshold 時(shí)，x_p 復(fù)位為 0，標(biāo)志信號(hào) f_spike 為 1，同時(shí) dt_spike 會(huì)存儲(chǔ)當(dāng)前的放電時(shí)間
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國際學(xué)術(shù)動(dòng)態(tài);1996年01期

3 王方;苗放;陳墾;;基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警仿真[J];計(jì)算機(jī)仿真;2019年11期

4 馬猛;王明紅;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的304不銹鋼車削加工表面粗糙度預(yù)測(cè)[J];輕工機(jī)械;2019年06期

5 莊連生;呂揚(yáng);楊健;李厚強(qiáng);;時(shí)頻聯(lián)合長時(shí)循環(huán)神經(jīng)網(wǎng)絡(luò)[J];計(jì)算機(jī)研究與發(fā)展;2019年12期

6 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

7 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

8 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

9 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

10 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

相關(guān)博士學(xué)位論文 前10條

1 武晨;DFP航天器動(dòng)力學(xué)特性分析及精確控制方法研究[D];哈爾濱工業(yè)大學(xué);2018年

2 冉令燕;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類研究[D];西北工業(yè)大學(xué);2018年

3 于佳;語音文檔的故事分割技術(shù)研究[D];西北工業(yè)大學(xué);2018年

4 毛瑞琛;深度神經(jīng)網(wǎng)絡(luò)下的規(guī)范化地址建設(shè)與語義空間模型研究[D];浙江大學(xué);2019年

5 楊旭輝;基于神經(jīng)網(wǎng)絡(luò)的C-ADS InjectorⅡ束流偏移校準(zhǔn)技術(shù)研究[D];蘭州大學(xué);2019年

6 肖理業(yè);基于機(jī)器學(xué)習(xí)的電磁場(chǎng)建模與設(shè)計(jì)研究[D];電子科技大學(xué);2019年

7 陳涵瀛;核電站熱工水力系統(tǒng)工況預(yù)測(cè)與診斷方法研究[D];哈爾濱工程大學(xué);2018年

8 梁智杰;聾啞人手語識(shí)別關(guān)鍵技術(shù)研究[D];華中師范大學(xué);2019年

9 劉昂;微結(jié)構(gòu)硅基光子學(xué)器件性能的研究[D];南京大學(xué);2019年

10 趙博雅;基于卷積神經(jīng)網(wǎng)絡(luò)的硬件加速器設(shè)計(jì)及實(shí)現(xiàn)研究[D];哈爾濱工業(yè)大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 焦東巖;卷積神經(jīng)網(wǎng)絡(luò)在密度泛函結(jié)構(gòu)預(yù)測(cè)計(jì)算中的應(yīng)用研究[D];湘潭大學(xué);2019年

2 李智強(qiáng);基于神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)推力估計(jì)方法研究[D];南京航空航天大學(xué);2019年

3 劉京麥野;基于循環(huán)神經(jīng)網(wǎng)絡(luò)的語義完整性分析[D];湘潭大學(xué);2019年

4 朱萌鋼;基于神經(jīng)網(wǎng)絡(luò)的車輛行為預(yù)測(cè)研究[D];重慶郵電大學(xué);2019年

5 米怡;基于卷積神經(jīng)網(wǎng)絡(luò)的車行環(huán)境行人識(shí)別[D];重慶郵電大學(xué);2019年

6 易億;基于集成卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別研究[D];重慶郵電大學(xué);2019年

7 葛超;基于神經(jīng)網(wǎng)絡(luò)的奶牛識(shí)別方法研究[D];重慶郵電大學(xué);2019年

8 李凈樺;基于神經(jīng)網(wǎng)絡(luò)的社交話題熱度預(yù)測(cè)模型研究[D];重慶郵電大學(xué);2019年

9 弓攀豪;融合淺層特征與卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)方法研究[D];重慶郵電大學(xué);2019年

10 詹紫微;基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤方法研究[D];重慶郵電大學(xué);2019年

本文編號(hào)：2854998