[发明专利]一种基于多态忆阻器的电压型神经网络及其操作方法

说明书

本发明公开了一种基于多态忆阻器的电压型神经网络及其操作方法，提出一种由类脑器件忆阻器结合传统器件搭建的一种电压型神经元电路，能够模拟实现前向的神经网络运算，采用由忆阻器件为核心的权重模式，有效减少了神经网络运算中的存储和运算耗费资源。结合其他类的电子器件诸如MOS管、低功耗运放、轨到轨运放技术、以及数字电路方面的原理，在本发明中针对性地解决了忆阻器作为神经网络中核心器件所设计的信号输入、权值网络、累加求和以及激活层面的的设计问题，实现正负信号信号在乘法器之内的处理和神经网络层之间的传递，并搭建了相对应的权值矩阵模型和神经元网络电路。

技术领域

本发明涉及神经网络技术领域，主要涉及一种基于多态忆阻器的电压型神经网络系统。

背景技术

关于神经网络模型的设计，现有技术已经实现了一些类生物神经网络功能，组建出类似于神经网络的非线性系统，实现了系统的智能化，但大都停留在使用规模较大的的FPGA和电脑(GPU、TPU)为代表的硬件编程设计，即基于晶体管01模型建立的系统设计。在此情况下，基于神经网络的智能系统在发挥其优势的同时，也暴露出了诸如人工智能系统能耗极高，硬件成本大的缺陷，并且有着很高的资源配置要求。

相较于由电子系统和软件构成的类生物神经网络系统，人脑中的神经网络具有显著的优势，不仅有着更为高效的工作效率，能够同时处理数亿个生物学指令，并且而且能耗极低，采用新型的器件实现高效低耗的人工神经网络是人工智能的的热点之一。

使用忆阻器件搭建新型的硬件神经网络，使用忆阻器优异的可编程特点，进行对数据信息的有效存储，在本设计发明中，将忆阻器的这种特性同特定电路存储权重，有效地提升现有的人工神经网络的计算效率和稳定性。

发明内容

发明目的：本发明针对以忆阻器件作为神经网络核心器件的要求，提出一种由类脑器件——忆阻器结合传统器件搭建的一种电压型神经网络及其操作方法，能够模拟实现前向神经网络运算。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于多态忆阻器的电压型神经网络，其特征在于：包括信号输入模块、权值网络模块、极性寄存器模块、Sum求和单元、偏置寄存器模块和激活函数模块；

所述信号输入模块为绝对值电路模块，将输入信号V_pluse分解为输出模值信号|V_pluse|和极性特征信号S′，输入至权值网络模块；所述权值网络模块分别与信号输入模块和极性寄存器模块连接，所述极性寄存器模块控制权值网络的极性；权值网络模块对输入信号和极性信号进行运算后，输出结果至Sum求和单元进行求和运算，输出信号V_out；所述偏置寄存器模块控制输出偏置信号bias，偏置信号bias与Sum求和单元输出信号V_out进行求和运算后输入至所述激活函数模块进行激活，并将最终结果输入到下一层神经网络中；

所述权值网络模块包括若干矩阵乘法单元；所述矩阵乘法单元包括忆阻器权重模块、同或门电路、正向比例放大电路、PMOS管和NMOS管；所述忆阻器权重模块包括两块忆阻器件Mem1和Mem2，并且满足：

其中|W|为权重绝对值，Mem1和Mem2分别为两块忆阻器的阻值；

忆阻器权重模块输出端连接正向比例放大电路正极，输出端分别连接PMOS管和NMOS管的漏极D；所述同或门电路输入端接收所述极性特征信号S′和极性寄存器模块输出信号W′,输出端分别连接PMOS管和NMOS管的栅极G，控制信号输出至V_N端或V_P端。