[发明专利]一种生物仿脑存储方法及系统

说明书

本公开提供了一种生物仿脑存储方法及系统，其中，生物仿脑存储方法用于记忆存储器，记忆存储器包括长时程记忆存储单元和短时程记忆存储单元，包括：获取预设时隙内待存储的记忆特征出现的频数，以及各记忆特征对应的时间戳；将频数大于预设长时程频数阈值的记忆特征按照时间戳的顺序从长时程记忆存储单元的起始地址开始依次存储；以及，将频数小于或等于长时程频数阈值的记忆特征按照时间戳的顺序从短时程记忆存储单元的起始地址开始依次存储。这样，可以实现在内存空间大小受限的记忆存储器中存储数据，并且在进行数据更新时，减少记忆存储器内部非更新特征数据的移动能耗，降低记忆存储器引起的功耗开销。

技术领域

本公开属于数据存储领域，具体涉及一种生物仿脑存储方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

脉冲神经网络(Spiking Neural Network，SNN)属于第三代神经网络模型，实现了更高级的生物神经模拟水平。随着SNN的发展，其具有广阔的应用领域，如语音识别、图像分割、边缘检测等，脉冲神经网络提取到的特征序列具有尺度不变性、旋转不变性、信号强度不变性和信号扭曲不变性的特点，该不变性特征序列使脉冲神经网络在语音、图像处理领域中发挥重要的作用。在实际应用中，从海量数据里提取出来的特征数据，需要不断存储到内存大小受限的本地存储系统，用于后续数据特征的特征内容快速定位以及使用。

发明人发现，由于本地存储系统的存储空间有限，当有新的数据需要存储时，需要擦除之前存储的部分数据，现有的存储方法通常采用整并与搬移的方式来管理存储单元，数据在更新时，存储器内部非更新特征数据(即维持特征内容)沿着存储器串行移动操作，将产生移动能耗，造成记忆存储器额外的功率消耗。因此，如何在内存空间大小受限的记忆存储器中进行数据的有效存储成为亟待解决的问题。

发明内容

为了解决上述问题，本公开提出了一种生物仿脑存储方法及系统，基于长、短时程记忆的生物学机制，将记忆特征按照预设时间周期内出现的频数划分为长时程记忆特征和短时程记忆特征，并进行分别存储更新，以实现在内存空间大小受限的记忆存储器中存储数据。

本公开主要包括以下几个方面：

第一方面，本公开实施例提供了一种生物仿脑存储方法，用于记忆存储器，所述记忆存储器包括长时程记忆存储单元和短时程记忆存储单元，所述生物仿脑存储方法包括：

获取预设时隙内待存储的记忆特征出现的频数，以及各记忆特征对应的时间戳；

将频数大于预设长时程频数阈值的记忆特征按照时间戳的顺序从长时程记忆存储单元的起始地址开始依次存储；以及，将频数小于或等于所述长时程频数阈值的记忆特征按照时间戳的顺序从短时程记忆存储单元的起始地址开始依次存储。

在一种可能的实施方式中，所述生物仿脑存储方法还包括：

基于记忆存储器中各记忆特征的时间戳，为记忆特征分配连续的虚拟地址，确定与虚拟地址相对应的物理地址；

若长时程记忆存储单元和/或短时程记忆存储单元的存储空间已满，则基于待存储的记忆特征中仍未存储记忆特征的数量，从相应长时程记忆存储单元或者短时程记忆存储单元的末位虚拟地址开始，依次擦除所述数量的虚拟地址相对应的物理地址处的记忆特征，并存储未存储记忆特征；

按照记忆存储器中记忆特征的时间戳更新虚拟地址。

在一种可能的实施方式中，所述待存储的记忆特征为预设时隙内出现频数大于预先设置的最小频数阈值的记忆特征。

在一种可能的实施方式中，在所述获取预设时隙内待存储的记忆特征出现的频数，以及各记忆特征对应的时间戳之后，所述生物仿脑存储方法还包括：生成与待存储的记忆特征相对应的哈希签字；基于哈希签字搜寻记忆存储器的存储单元，确定记忆特征是否已经存储到记忆存储器中。