[发明专利]可同时计算和编程的神经形态电路

说明书

本发明提供一种可同时计算和编程的神经形态电路，包括：第一神经元、第二神经元、突触，所述突触为三端忆阻器，所述三端忆阻器包括源端、漏端和门端。所述源端与所述第一神经元的输出端连接，用于接收该第一神经元发出的前向信号。所述漏端与所述第二神经元的输入端连接。所述门端与所述第二神经元的输出端连接，用于接收该第二神经元发出的反馈信号。所述三端忆阻器的阻值由所述前向信号与所述反馈信号共同控制。本发明提供的神经形态电路能够使得计算和学习同时进行而互不干扰，不存在由于忆阻器阻值调节时间而导致的网络工作速度物理极限，理论上能够达到更高的工作频率。

技术领域

本发明涉及一种可同时计算及编程的神经形态电路。

背景技术

神经网络中两个神经元之间通过突触连接在一起。神经网络中的信号在神经元之间单向传导，通常认为突触完成对传导信号的线性变换，而神经元将突触处理后的信号再做非线性变换，进而将两次变换后的信号传递给下行神经元。突触对信号进行线性变换的线性变换因子(又称为连接强度或权值)是可调节的，且能被保留下来的。忆阻器是一种依赖电荷通量而改变阻值，且对阻值具有非易失的记忆效应的电子元件。忆阻器的上述两个性质恰好对应神经网络中突触的性质，因此忆阻器可以被用于神经形态电路中模拟人脑神经网络中的突触。图1与图2为现有的用于神经网络的忆阻器原理示意图，其中图1为忆阻器1(突触)在阻值(权值)不变的情况下参与计算(或称信号处理)的过程，图2为所述忆阻器1(突触)的阻值(权值)在学习(或称自适应)过程中改变，这种改变是由来自第一神经元2的前向信号和来自第二神经元3的反馈信号共同作用引起的。上述忆阻器计算和学习都占用同一条信号传输通道，因此现有的基于忆阻器的神经形态电路无法同时进行计算和学习。由于计算和学习过程无法同时进行，神经元无法时间连续地计算，而必须在t时间步完成计算后，等待脉冲调制模块产生脉冲并调节忆阻器阻值后，才能继续进行t+dt时间步的计算。因此，忆阻器阻值调节的时间是dt可取的最小值，该值通常在ns-μs之间。

发明内容

有鉴于此，确有必要提供一种可以同时计算和编程的神经形态电路。

一种可同时计算和编程的神经形态电路，包括：第一神经元、第二神经元、突触，其中，所述突触为三端忆阻器，所述三端忆阻器包括源端、漏端和门端；所述源端与所述第一神经元的输出端连接，用于接收该第一神经元发出的前向信号；所述漏端与所述第二神经元的输入端连接；所述门端与所述第二神经元的输出端连接，用于接收该第二神经元发出的反馈信号；所述三端忆阻器的阻值由所述前向信号与所述反馈信号共同控制。

一种可同时计算和编程的神经形态电路，包括：第一连接权值矩阵模块、第二连接权值矩阵模块、第三连接权值矩阵模块、神经元模块、递归最小二乘法模块、脉冲调制模块、线性放大器模块、数模转换模块以及模数转换模块；所述第一连接权值矩阵模块用于对外加恒定偏置I(t)进行线性变换，该第一连接权值矩阵模块的矩阵元素由三端忆阻器构成，所述三端忆阻器的门端连接所述脉冲调制模块；所述线性放大器模块对来自所述第一连接权值矩阵、所述第二连接权值矩阵的输入到同一神经元的多路信号进行加和；所述模数转换模块用于对所述线性放大器模块加和后的信号进行模数转换；所述神经元模块用于对所述模数转换模块输出的数字信号进行非线性变换，输出前一时间步神经元输出向量r(t-dt)和当前时间步神经元输出向量r(t)值；所述数模转换模块对所述前一时间步神经元输出向量r(t-dt)和当前时间步神经元输出向量r(t)进行模数转换；所述第二连接权值矩阵模块用于对经所述数模转换模块转换后的所述前一时间步神经元输出向量r(t-dt)进行线性变换，该第二连接权值矩阵模块的矩阵元素由三端忆阻器构成，所述三端忆阻器的门端连接所述脉冲调制模块；所述第三连接权值矩阵模块用于对经所述数模转换模块转换后的所述当前时间步神经元输出向量r(t)进行线性变换，该第三连接权值矩阵模块的矩阵元素由三端忆阻器构成，所述三端忆阻器的门端连接所述脉冲调制模块；所述递归最小二乘法模块用于计算网络输出z(t-dt)与目标函数f(t-dt)之间的误差平方e(t-dt)；所述脉冲调制模块 用于产生权值按递归最小二乘法模计算结果更新的脉冲，并将该脉冲由所述三端忆阻器的门端输入。