[发明专利]基于感存算一体的神经网络振荡器系统

说明书

本发明公开了基于感存算一体的神经网络振荡器系统，涉及人工智能技术领域，包括受控振荡器模块、传感功能模块、模数转换功能和感存算神经网络模块，所述受控振荡器模块由振荡器和后续信号处理部分组成；本发明采用感存算一体化神经网络的控制系统，该系统将传感器阵列与存算神经网络相结合，在同一神经单元内集成传感器与存算神经单元，传感器作为神经单元的一部分负责采集外部信息并直接在神经单元内部传输，可以避免传统计算机结构中的大量I/O操作，再之后将数据存储和计算共同执行，节省了数据处理时间，系统的整体计算速度得到加快，降低整体功耗，同时还减少了数据的存储空间。

技术领域

本发明涉及人工智能技术领域，具体是基于感存算一体的神经网络振荡器系统。

背景技术

人工智能领域现阶段取得的成功引发了学习和模仿生物感知和处理系统来构建未来交互式智能系统的热潮.神经网络具有存内计算和大规模并行处理等特性.这些特性使我们在面对现实世界的事件时,能够以稳健容错的方式做出合适的反应.受生物中枢神经系统和感知系统处理模式的启发,一些科研人员将研究重点放在构建仿生物的集感知、存储、处理功能于一体(感存算一体化)的交互式系统.在传统的系统架构中,由于不同的功能和制造工艺,传感器、存储器和处理器在空间上是分离的.传感器收集现实环境中的模拟信号,模拟信号经过预处理转换为数字信号,随后输入到冯·诺依曼型数字计算架构中的存储器和处理器进行存储和后续处理.随着识别、分类等任务复杂度的提高,传统感知系统会产生大量的未处理原始数据,这加重了处理系统的工作负荷,而且数据的频繁传输和格式转换极大地限制了集成系统的工作性能.按感存算一体化系统的理念,系统边缘基本单元应耦合感知、存储、处理功能于一体,并应具有低功耗、小面积、高响应速度等特性.感存算一体化系统基本单元的设计、制造和应用的研究对于实现交互式人工智能系统是至关重要的。

目前所有的振荡器中，存在着频率信号随着外界环境特别是温度变化而波动剧烈的问题，因此需要通过相关补偿算法对其进行调节。一方面，目前的补偿算法及其结构难以达到实际所需精度标准，补偿方案需要反复进行补偿测试，才能决定，且会根据使用情况不同导致偏差。另一方面，对外界环境的信息读取包括温度信息读取在快速变化的过程中，传统补偿方案的读取存在数据采集不足的问题，往往需要进行多次数据的采集相互弥补，以及需要针对部分特殊情况误差较大的区间进行定点采集，因此传统的补偿方案时间成本和精度提升是振荡器补偿策略中存在的矛盾点。

针对上述问题，我们提供了一种基于感存算一体的神经网络振荡器系统，以解决上述所提到的问题。

发明内容

本发明的目的在于提供基于感存算一体的神经网络振荡器系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于感存算一体的神经网络振荡器系统，包括受控振荡器模块、传感功能模块、模数转换功能和感存算神经网络模块，所述受控振荡器模块由振荡器和后续信号处理部分组成；

所述感存算神经网络模块用于接收外部信息、将信息进行模数转换处理、实现神经网络存内计算；

所述感存算神经网络模块包括时钟控制模块、读写控制器模块、双模式字线驱动模块、人工神经单元阵列模块、非线性激活函数模块、数据缓冲器模块和输出控制模块。

作为本发明进一步的方案：所述时钟控制模块用于对感存算模块的时钟进行整体的同步时序控制，保证计算过程中参考时钟的正确性与一致性，使工作过程保持有序。

作为本发明再进一步的方案：所述读写控制模块用于对外部的读写要求做出响应，对双模式字线驱动模块直接控制。