[发明专利]一种基于忆阻的巴普洛夫联想记忆的人工神经网络电路

说明书

本发明公开了一种基于忆阻的巴普洛夫联想记忆的人工神经网络电路；包括突触电路、神经元电路和突触权值控制电路；突触电路包括n个输入端、n个输出端和(2x+1)个控制端，n个输入端分别接收n个输入电压；神经元电路包括n个输入端和一个输出端，n个输入端分别与突触电路的n个输出端一一对应连接，一个输出端输出激活电压V_out；突触权值控制电路包括n个输入端、一个反馈端和2x+1个输出控制端，n个输入端分别与突触电路的n个输入端一一对应连接，反馈端连接至神经元电路的输出端，2x+1个输出端分别与突触电路的2x+1个控制端一一对应连接，突触权值控制电路用于根据输入的状态和反馈的状态来输出相应的控制信号进而调整忆阻器阻值。

技术领域

本发明属于模数电路领域，更具体地，涉及一种基于忆阻的巴普洛夫联想记忆的人工神经网络电路。

背景技术

1971年，美国加利福尼亚大学大学伯克利分校蔡少棠教授从对称性角度预言提出了，除电阻、电容、电感以外电子电路还应存在第四种基本元件—忆阻(Memristor)。蔡少棠指出，电压v、电流i、电荷q和磁通量这四个基本电路变量之间应该存在六种数学关系：电流定义为电荷关于时间的变化率i＝dq/dt；电压定义为磁通量关于时间的变化率电阻定义为电压随着电流的变化率R＝dv/di；电容定义为电荷随着电压的变化率C＝dq/dv；电感定义为磁通量随着电流的变化率缺少了一种能够将电荷q与磁通量关联起来的电路元件，而这种元件即由电荷q与磁通量之间的关系来定义：M即是忆阻。

美国惠普实验室的Strukov和其同事在进行极小型电路实验时制造出忆阻的实物，其成果发表在2008年5月的《自然》杂志上，忆阻的发现足以媲美100年前发明的三极管，其任何一项产业化应用都可能带来新一轮的产业革命。忆阻最突出的特点是其天然的非易失性记忆功能和良好的开关特性，在非易失性存储器技术、可重构信号处理电路、人工神经网络保密通信、模拟电路、人工智能计算机、生物行为模拟等领域具有巨大的应用潜力。

人工神经网络自1943年由心理学家McCulloch和数理逻辑学家Pitts提出，国内外学者对人工神经网络展开了广泛的研究。到目前为止，人工神经网络的实现有四种方式：软件实现、虚拟实现、硬件实现以及光器件实现。其中晶体管是一种实现人工神经网络的电子器件，Williams和他的同事已经证明了忆阻能比晶体管占用更小的区域，但是它的存储容量更大并且速度更快。标准的人工神经网络通过乘法器实现神经网络的权值，但是乘法器不但体积大，而且当修改神经网络时就需要更换乘法器；新型忆阻人工神经网络使用忆阻作为突触权因子以实现神经网络的权值，当需要修改神经网络时，只需使用外加电压源改变忆阻的阻值即可。由于忆阻是一种具有差分电阻特性的元件，将其融入到人工神经网络电路中,就不再需要引入反馈机制,可以大大简化电路结构。

联想记忆是人工神经网络中模仿生物学习的一个方面，是在两个刺激或行为和刺激之间建立联系的学习过程。最经典的是巴普洛夫狗的实验：给狗喂食物的时候狗会分泌唾液，而只打铃不给食物狗不会分泌唾液；在给食物的同时打铃，过一段时间之后只打铃狗也会分泌唾液。对于狗来说，铃声和食物之间或者说铃声和分泌唾液之间建立了联系，这是通过学习来实现的。学习的话就要改变突触的权值，目前主要的突触学习规则有Hebb、SRDP、STDP等。