[发明专利]可重构和时间编码卷积尖峰神经网络中基于事件的特征分类

权利要求书

1.一种系统，包括：

尖峰转换器，被配置为从数字输入数据生成尖峰；

入站过滤器，被配置为从所生成的尖峰中选择相关尖峰，其中，所述相关尖峰与神经元相关；

存储器，被配置为以反向格式存储内核，并且还被配置为存储按通道索引的权重；

分组收集模块，被配置为收集所述相关尖峰直到在存储器中的分组中已经收集了预定数量的相关尖峰为止，并且通过所述分组中的通道和空间坐标来组织所收集的相关尖峰；以及

卷积神经处理器，被配置为在所述存储器中执行逐行步幅，所述卷积神经处理器使用所述存储器中的暂存器，

其中，所述入站过滤器去除在所述卷积神经处理器的范围之外的事件。

2.根据权利要求1所述的系统，还包括池化层，其中行池化和列池化是分别执行的。

3.根据权利要求1所述的系统，其中所述系统执行学习算法，所述学习算法将学习限制为每个过滤器一个神经元。

4.根据权利要求1所述的系统，其中所述系统执行学习算法，所述学习算法将学习限制为每层一个神经元。

5.根据权利要求1所述的系统，其中所述系统执行学习算法，所述学习算法包括胜者为王算法。

6.根据权利要求1所述的系统，其中神经元与存储位的比率在0.10至0.81的范围内。

7.根据权利要求1所述的系统，其中所使用的能量与突触操作(SO)的比率小于7pJ/SO。

8.根据权利要求1所述的系统，其中所使用的能量与突触操作(SO)的比率小于3.5pJ/SO。

9.根据权利要求1所述的系统，其中所述存储器是SRAM。

10.根据权利要求1所述的系统，其中所述数字输入数据是数字图像数据。

11.一种方法，包括：

接收数字输入数据；

由尖峰转换器从所述数字输入数据生成尖峰；

通过入站过滤器从所生成的尖峰中选择相关尖峰；

将内核以反向格式存储在存储器中，所述存储还包括存储按通道索引的权重；

收集所述相关尖峰直到在存储器中的分组中已经收集了预定数量的相关尖峰为止；

通过所述分组中的通道和空间坐标来组织所收集的相关尖峰；以及

利用卷积神经处理器和暂存器，在所述存储器中使用逐行步幅以硬件执行卷积。

12.如权利要求11所述的方法，还包括在池化层中池化，其中行池化和列池化是分别执行的。

13.根据权利要求11所述的方法，还包括执行学习算法，所述学习算法将学习限制为每个过滤器一个神经元。

14.如权利要求11所述的方法，还包括执行学习算法，所述学习算法将学习限制为每层一个神经元。

15.如权利要求11所述的方法，还包括执行学习算法，所述学习算法还包括胜者为王算法。

16.根据权利要求11所述的方法，其中神经元与存储位的比率在0.10至0.81的范围内。

17.根据权利要求11所述的方法，其中所使用的能量与突触操作(SO)的比率小于7pJ/SO。

18.根据权利要求11所述的方法，其中所使用的能量与突触操作(SO)的比率小于3.5pJ/SO。

19.根据权利要求11所述的方法，其中所述存储器是SRAM。

20.根据权利要求11所述的方法，其中所述数字输入数据是数字图像数据。