[发明专利]脉冲事件决策装置、方法、芯片及电子设备

说明书

本发明涉及一种脉冲事件决策装置、方法、芯片及电子设备。为了解决神经拟态芯片输出脉冲事件在读出决策时的固有延时问题，本发明采用的第一计数模块，其被配置为对所述脉冲神经网路的输入脉冲事件的个数进行计数；第二计数模块，其被配置为对所述脉冲神经网络输出层中若干神经元各自发放脉冲事件的个数进行计数；决策模块，其被配置为在第一计数模块的计数达到第一预设值时或在第二计数模块的总计数达到第二预设值时，依据所述脉冲神经网络输出层中若干神经元各自发放脉冲事件的计数做出决策结果。本发明基于计数、滑动计数窗等技术手段，解决了决策时的固有延时或决策数据不足问题，实现了根据事件发生快慢而自适应地做出最终决策的技术效果。

技术领域

本发明涉及一种脉冲事件决策装置、方法、芯片及电子设备，具体涉及一种在物联网（IoT）边缘侧根据事件发生快慢而自适应决策的脉冲事件决策装置、方法、芯片及电子设备。

背景技术

神经拟态计算（Neuromorphic Computing）是近期发展起来的一种新型计算架构，这种计算方式采用仿生（眼、脑等）的方式来完成针对输入信号的推理，首次突破冯诺伊曼架构。事件成像装置，包括但不限于动态视觉传感器，根据像素对应位置处光线的明暗变化而生成脉冲事件，在明暗没有变化时则处于静默状态，不产生冗余数据，这种事件驱动特点与传统的基于帧的图像处理逻辑完全不同。

神经拟态芯片，俗称类脑芯片，其上部署有一种新颖的神经网络，也即最新一代的神经网络——脉冲神经网络（Spiking Neural Networks，SNN）。传统的人工神经网络（Artificial Neural Networks，ANN）中神经元是基于数学函数的计算单元，而脉冲神经网络中的神经元则更加仿生：如果输入累积的膜电压（记忆性）超过阈值（稀疏性），则会发放脉冲（仿生性），这与生物神经元的动力学特性高度相似。

因为神经拟态计算高度仿生，因此也具有生物脑的超低功耗特点，这与物联网（IoT）中对边缘计算的需求不谋而合。由于部署在边缘端，相比于云端解决方案天然更具有低延迟优势，但极致超低延迟的信息处理，同样是神经拟态计算所追求的目标。此外，推理结果的准确性，同样是一个基础且核心的性能指标。

然而，现有技术中依然存在某些不合理的固有延时（图1），消除该些延时，将有助于芯片/系统更快地获得决策结果，为后一级系统做出更及时的响应赢取更为宝贵的时间。此外，可能因为这种固有延时，在某些情况下会导致芯片的推理结果不可靠。因此，降低芯片处理延迟实现超低延迟决策或/和提升芯片推理结果可靠性，均是本领域所期待实现的技术目标。

发明内容

为了降低芯片处理延迟或/和提升芯片推理结果可靠性，本发明是通过如下技术方案实现的：

一种脉冲事件决策装置，该脉冲事件决策装置依据神经拟态芯片中脉冲神经网络的输出脉冲事件进行决策，该脉冲事件决策装置包括：第一计数模块，其被配置为对所述脉冲神经网络的输入脉冲事件的个数进行计数；决策模块，其被配置为在第一计数模块的计数达到第一预设值时，依据所述脉冲神经网络的输出层中若干神经元各自发放脉冲事件的计数做出决策结果；其中，所述若干神经元为输出层中部分或全部神经元。

在某类实施例中，所述脉冲事件决策装置还包括：第二计数模块，其被配置为执行如下操作之一对所述脉冲神经网络的输出层中若干神经元发放脉冲事件的个数进行计数：（i）对输出层中每个神经元发放的脉冲进行计数，然后相加获得输出层部分或全部神经元发放脉冲的总计数；（ii）对输出层若干神经元发放的脉冲统一直接计数，得到总计数；（iii）对输出层中每个神经元发放的脉冲进行计数，但不相加。

在某类实施例中，决策模块，被配置为在第一计数模块的计数达到第一预设值，或第一计数模块的计数达到第一预设值且第二计数模块的计数达到第二预设值时，触发决策模块做出决策。