在大數(shù)據(jù)的智能時代,由于現(xiàn)有計算機(jī)的架構(gòu)和硬件限制,大規(guī)模的智能數(shù)據(jù)處理越來越難以滿足。基于“馮·諾依曼”架構(gòu)的傳統(tǒng)計算機(jī)體系,其存儲單元和處理單元是獨(dú)立的兩個部分,兩者之間依靠數(shù)據(jù)傳輸總線進(jìn)行互聯(lián)互通,高能耗和低效率造成了“馮·諾依曼瓶頸”的出現(xiàn)。而對大腦的結(jié)構(gòu)來說,腦神經(jīng)網(wǎng)絡(luò)大約包含1000億個神經(jīng)元和100萬億個神經(jīng)突觸,它們分別作為處理單元和存儲單元,在物理上是相連的整體,并不需要非常大的通信損耗,特別是在相關(guān)信號被激勵發(fā)出后系統(tǒng)依然處于絕佳的傳輸狀態(tài)。這些高效、低耗且龐大的腦神經(jīng)網(wǎng)絡(luò)架構(gòu)具有強(qiáng)大的優(yōu)勢,非常利于海量數(shù)據(jù)的處理。且隨著摩爾定律危機(jī)的出現(xiàn),以及脈沖神經(jīng)網(wǎng)絡(luò)研究的突破,學(xué)術(shù)界將新一代計算機(jī)體系結(jié)構(gòu)的未來研究轉(zhuǎn)向了類腦計算機(jī)領(lǐng)域。當(dāng)前大規(guī)模類腦計算機(jī)的研究如火如荼,但真正實(shí)現(xiàn)起來卻困難重重。本文集中探索了超大規(guī)模類腦計算機(jī)的體系結(jié)構(gòu),重點(diǎn)解決困擾超大規(guī)模類腦計算機(jī)實(shí)現(xiàn)的海量神經(jīng)元脈沖傳輸機(jī)制問題、實(shí)時處理問題以及板級互聯(lián)問題等。在深入了解國內(nèi)外相關(guān)領(lǐng)域的研究進(jìn)展并吸收有益精華后,本文提出了神經(jīng)元的模擬方案,設(shè)計了一種基于CAM的海量脈沖神經(jīng)元數(shù)據(jù)包組播傳輸機(jī)制,并成功... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

類腦計算研究規(guī)劃Figure1-1NeuromorphicComputingResearchPlan

類腦計算機(jī)概述眾所周知，哺乳動物特別是人類的神經(jīng)系統(tǒng)，是自然界中最高效、最健壯一。人類大腦擁有大量的連接，表現(xiàn)出強(qiáng)大的并行性。它具有約 1011個神1015個突觸，耗能卻僅約 20W。神經(jīng)元以幾毫秒的速度實(shí)現(xiàn)生物互聯(lián)，對組障具有優(yōu)異的容錯機(jī)制。對于計算機(jī)科學(xué)家來說，神經(jīng)系統(tǒng)和數(shù)字系統(tǒng)之間具有巨大的相似性。如示，細(xì)胞體、樹突、軸突、神經(jīng)末梢以及突觸等結(jié)構(gòu)共同構(gòu)成了一個神經(jīng)具體來說，神經(jīng)元的核心部位是一個含核的細(xì)胞體，其半徑為 2-60 微米；面有長短不一的兩類細(xì)胞突起，分別是長條的軸突（只有一根）和短條的常為多根）；一個神經(jīng)元間的興奮傳遞經(jīng)由軸突、神經(jīng)末梢最終抵達(dá)突觸（相連的部位）[36]。

廣東工業(yè)大學(xué)碩士學(xué)位論文類腦計算機(jī)正是這樣一款模擬大腦神經(jīng)網(wǎng)絡(luò)運(yùn)行、具備超大規(guī)模脈沖實(shí)時通信的新型計算機(jī)模型。如圖 2-2 所示，類腦計算機(jī)通過模擬生物大腦神經(jīng)網(wǎng)絡(luò)的高效能、低功耗、實(shí)時性等特點(diǎn)，借助大規(guī)模的 CPU 集群來進(jìn)行神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)。在 CPU集群中，每條線程將映射模擬對應(yīng)的神經(jīng)元，成千上萬的線程（神經(jīng)元）有序運(yùn)行構(gòu)成完整的大規(guī)模神經(jīng)網(wǎng)絡(luò)。

【參考文獻(xiàn)】：
期刊論文
[1]多媒體技術(shù)研究:2015——類腦計算的研究進(jìn)展與發(fā)展趨勢[J]. 黃鐵軍,施路平,唐華錦,潘綱,陳云霽,于俊清.  中國圖象圖形學(xué)報. 2016(11)
[2]腦科學(xué)與類腦研究概述[J]. 蒲慕明,徐波,譚鐵牛.  中國科學(xué)院院刊. 2016(07)
[3]類腦計算芯片與類腦智能機(jī)器人發(fā)展現(xiàn)狀與思考[J]. 陶建華,陳云霽.  中國科學(xué)院院刊. 2016(07)
[4]類腦計算新發(fā)展——“TrueNorth”神經(jīng)元芯片[J]. 王雨辰,胡華.  計算機(jī)科學(xué). 2016(S1)
[5]腦科學(xué)視角下的高性能計算[J]. 劉亞東,胡德文.  計算機(jī)學(xué)報. 2017(09)
[6]從腦網(wǎng)絡(luò)到人工智能——類腦計算的機(jī)遇與挑戰(zhàn)[J]. 余山.  科技導(dǎo)報. 2016(07)
[7]脈沖神經(jīng)元序列學(xué)習(xí)方法的影響因素研究[J]. 徐彥,楊靜.  計算機(jī)工程. 2015(11)
[8]類腦智能研究的回顧與展望[J]. 曾毅,劉成林,譚鐵牛.  計算機(jī)學(xué)報. 2016(01)
[9]Artificial synapse network on inorganic proton conductor for neuromorphic systems[J].   Science Foundation in China. 2015(01)

博士論文
[1]大規(guī)模計算機(jī)系統(tǒng)并行仿真技術(shù)研究[D]. 朱小東.中國科學(xué)技術(shù)大學(xué) 2013
[2]大規(guī)模脈沖神經(jīng)網(wǎng)絡(luò)的模擬與進(jìn)化研究[D]. 藺想紅.哈爾濱工業(yè)大學(xué) 2009

碩士論文
[1]基于脈沖序列內(nèi)積的脈沖神經(jīng)網(wǎng)絡(luò)監(jiān)督學(xué)習(xí)研究[D]. 王向文.西北師范大學(xué) 2015



本文編號：3442193