[发明专利]一种基于FPGA的神经网络数值模拟方法

说明书

本发明公开了一种基于FPGA的神经网络数值模拟方法，该方法通过对HH神经元模型数学表达式进行数值近似替换，得到数值近似表达式；然后，基于FPGA设计相应的移位单元、补码单元、加法器和减法器，实现数值近似表达式的运算。由于在运算过程中仅仅采用移位运算、补码运算和加减运算，不涉及任何乘除运算，能够加快FPGA的运算速度，减少运算所消耗的时间。

技术领域

本发明属于神经网络技术领域，具体涉及一种基于FPGA的神经网络数值模拟方法。

背景技术

目前，神经网络领域主要研究重点放在神经元行为和神经网络系统分析上，神经网络Hodgkin-Huxley模型最早于1952年提出(以下简称HH模型)，用于描述神经元动作电位的发放与传导机制，而且，HH模型的数学表达式为：

其中，采用常微分方程来具体描述神经元的电生理特性，而且，目前神经网络研究中，采用数值模拟方法是最为有效的手段。

随着集成电路的发展，用于数值模拟神经网络的硬件已从最初的模拟电子器件逐步转变为现场可编程门阵列(以下简称FPGA)。与CPU的串行运算方式不同，FPGA是并行运算，能够极大地提高数值模拟神经网络的运算速度，所以，FPGA已是目前用于数值模拟神经元网络非常普遍的硬件载体。

但是，由于FPGA自身的特点，在数值模拟过程中常出现效果不理想的情况，如电信号峰值间隔较大等，归根结底还是运算速度不足造成。即使FPGA的运算速度上比CPU的运算速度更快，由于神经元自身的感知更快，所以对数值模拟运算的速度提出了更高的要求。实际上，在模拟运算过程中，无论是调用IP核进行乘除运算还是其他运算，都将增加运算的时间和复杂程度，特别是除法运算是最消耗资源和造成延时的。而如果只是除以2的整数次幂，则可以直接通过逻辑移位完成，从而减少运算所消耗的时间。

所以，为了简化FPGA的硬件结构，充分利用FPGA自身运算特点，亟待提供一种新的基于FPGA的神经网络数值模拟方法，不仅能够准确地建立神经网络模型，还能减少运算所消耗的时间，提升运算效率。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于：提供一种基于FPGA的神经网络数值模拟方法，能够减少运算所消耗的时间，提升运算效率。

为实现上述发明目的，本发明提供以下技术方案：

一种基于FPGA的神经网络数值模拟方法，其包括以下步骤：

S1：对HH神经元模型数学表达式进行数值近似替换，得到数值近似表达式；其中，所述HH神经元模型数学表达式为：

其中，I为外加刺激电流，C是膜电容，V是膜电压，G_K，G_Na和G_I分别是钾离子通道电流、钠离子通道电流和漏电流的最大电导，m和h为钠离子通道的门控变量，n是钾离子通道的门控变量；(E_Na、E_K、E_I)

所述数值近似表达式为：

其中，

S2：基于FPGA设计相应的移位单元、补码单元、加法器和减法器，以实现所述数值近似表达式的运算；其中，实现所述数值近似表达式中指数运算的方式为：