[发明专利]基于易失性阈值阻变忆阻器的自适应人工脉冲神经元电路

说明书

本发明公开了一种基于易失性阈值阻变忆阻器的自适应人工脉冲神经元电路，包括基于易失性阈值阻变忆阻器的LIF电路和自适应控制电路，所述LIF电路由一个易失性阈值阻变忆阻器串联一个读出电阻Rsubgt;1/subgt;，再并联一个模拟膜电容的电容Csubgt;1/subgt;组成；利用易失性阈值阻变忆阻器的动力学行为模拟LIF神经元的泄漏、积累和发放功能，并将所发放脉冲反馈到自适应控制电路，通过提高自适应控制信号来提高膜电容的泄漏电流，对神经元的兴奋性起到抑制作用，形成自适应。与传统CMOS方案的自适应脉冲神经元电路相比，本发明大幅度降低了硬件开销，对于大规模集成要求具有强时域信息处理能力的脉冲神经网络具有颇大的发展前景。

技术领域

本发明属于新型计算技术领域，涉及自适应人工脉冲神经元电路，具体涉及一种基于易失性阈值阻变忆阻器的可用于神经形态生理信号处理系统的自适应人工脉冲神经元电路。

背景技术

生理信号能反映一个人的情绪、心智和身体状态，而利用生理信号检测系统去识别生理信号中的不寻常特征非常有利于协助判断被检测者的健康状态和疾病发作状态。生理信号检测系统主要利用机器学习的方式进行检测。基于传统冯·诺依曼计算架构的生理信号检测系统需要在处理器与存储器之间频繁搬运大量的数据，计算速度低且能耗开销大，而借鉴人脑的神经形态计算架构具有高并行度以及事件驱动的计算模式，因此对于实现生理信号检测系统具有速度和能效优势。

神经元为神经形态计算系统中主要的处理单元。为了让系统能更有效地处理生理信号中大量的时域信息，该系统中的神经网络除了采用一般的泄漏积累发放（LIF）脉冲神经元，还需要引入具有自适应特性的脉冲神经元。传统的自适应脉冲神经元采用CMOS技术，需要大量的晶体管来模拟该神经元的动力学行为。此外，已被报道的自适应脉冲神经元还需要庞大的运放和比较器以及复杂的反馈系统。它们的功耗和面积开销大，不利于集成到便携式医疗设备或高密度大规模的人机界面，因此需要开发低成本的自适应脉冲神经元电路。目前，利用具有神经元动力学行为的单个器件配合低面积开销的反馈控制电路所构建的自适应脉冲神经元还未被报道并且是急切需要的。

发明内容

为了克服上述自适应脉冲神经元成本过高的问题，本发明提供了一种基于易失性阈值阻变忆阻器的用于神经形态生理信号检测系统的自适应人工脉冲神经元电路，能透过神经元的脉冲发放对其自身的兴奋性起到抑制作用，进而产生自适应行为，并基于此提高自身的时域信息处理能力。

本发明的基于易失性阈值阻变忆阻器的自适应人工脉冲神经元电路由两个部分构成，第一个部分是基于易失性阈值阻变忆阻器的LIF电路，第二个部分是自适应控制电路。该自适应人工脉冲神经元电路的工作原理是LIF电路接受输入刺激时进行电荷积累，并在达到发放阈值时发放一个电压脉冲，将这个电压脉冲反馈输入自适应控制电路以提高控制电压，被提高的控制电压使得LIF电路中的泄漏电流增加，这样使得LIF电路的电荷积累变得困难，即LIF电路的兴奋性得到抑制，产生自适应行为。