[发明专利]一种非确定性问题的概率确定方法

说明书

本发明公开了一种概率神经元电路、概率神经网络拓扑结构及其应用，概率神经元电路包括积分电容、非固定阈值易失性器件和负载电阻；积分电容的一端外接突触电阻及连接非固定阈值易失性器件的一端，易失性器件的另一端连接负载电阻的一端。网络拓扑结构包括多个输入神经元电路、多个概率神经元电路和侧向抑制神经元电路；每个概率神经元电路用于基于其非固定激发阈值及各输入神经元电路发放的电信号进行随机激发；抑制神经元电路用于当接收到前n个概率神经元电路激发的信号时，抑制后续其它概率神经元电路的激发。本发明在神经元电路中引入非固定阈值易失性器件，极大拓展了神经元电路的应用，特别的可用于解决非确定性问题，且具有可靠的解决结果。

技术领域

本发明属于微电子器件技术领域，更具体地，涉及一种概率神经元电路、概率神经网络拓扑结构及其应用。

背景技术

类脑计算通过模拟人脑的学习原理，具有高速、低功耗以及自我学习的特点，是替代目前冯诺依曼计算架构的有力竞争者。类脑计算的核心机制是模拟人脑通过神经元的激发发放脉冲，完成信息的传递，然后调节前、后神经元之间突触连接权重完成学习功能。以脉冲为信息传递载体的网络称为脉冲神经网络，在硬件层面上，用微电子器件模拟神经元和突触的功能，基于器件模拟出神经元、突触等模块后，可以设计脉冲波形，通过前、后神经元发放脉冲的时间差来调节突触权重的大小，称之为STDP学习法则，这样的网络结构具有低功耗，高拓展性，复杂非线性计算以及大容量信息处理等优点。

但是传统基于CMOS的神经元需要大面积的高功耗来实现神经元功能，尽管使用易失性存储器克服了这些限制，但是对于神经形态的器件的研究主要集中在确定性的神经元上，忽略了能够诱导贝叶斯计算本质的概率神经元需求，而且基于确定性神经元的神经元对于处理非确定性问题，存在一定的短板。

发明内容

本发明提供一种概率神经元电路、概率神经网络拓扑结构及其应用，用以解决现有神经元电路因采用确定性的神经元而导致神经元电路应用受限的技术问题。

本发明解决上述技术问题的技术方案如下：一种概率神经元电路，包括：积分电容，非固定阈值易失性器件和负载电阻；

所述积分电容的一端接地，另一端外接突触电阻以外接信号输入源以及连接所述非固定阈值易失性器件的一端，所述非固定阈值易失性器件的另一端连接负载电阻的一端，所述负载电阻的另一端接地。

本发明的有益效果是：本发明采用非固定阈值易失性器件制备神经元电路，由于非固定阈值易失性器件自身的特性，其激发(开启)电压阈值不固定，是一个随机变化的值，每个激发电压对应的概率一般不同，变化规律大致满足高斯分布，因此，可以用于不确定性问题的处理，极大提高神经元的应用范围。

上述技术方案的基础上，本发明还可以做如下改进。

本发明还提供一种概率神经网络拓扑结构，包括：多个输入神经元电路，多个输出神经元电路，侧向抑制神经元电路，以及信号处理器；其中，所述输出神经元电路为如上所述的概率神经元电路；

各所述输入神经元电路用于向各所述概率神经元电路发放电信号；每个所述概率神经元电路用于基于其非固定激发阈值以及各所述输入神经元电路发放的电信号，进行随机性激发；所述侧向抑制神经元电路用于当接收到前n个概率神经元电路激发的信号时，抑制后续其它概率神经元电路的激发，其中n≥1；所述信号处理器用于采集每个所述概率神经元电路的激发与否信号并进行信号处理。

本发明的有益效果是：本发明采用概率神经元电路搭建神经网络拓扑结构，用于接收数据并进行信息传递，在传递过程中，由于概率神经元电路的激发和关断是一个不确定的动作，但是概率神经元电路的激发与其内的积分电容两端的膜电压有极大关联；另外，基于侧向抑制神经元电路，使得整个神经网络拓扑在每次接收数据后仅限前n个概率神经元电路激发， n的取值可为1，也可更大。因此，本发明提出的概率神经网络拓扑结构可以用于数据的分类、预测、能够给出数据属于某一类的概率等等各种不确定问题的确定，极大拓展了神经元的实际应用。