[发明专利]实现液体状态机的脉冲神经网络数模混合电路系统

摘要

本发明公开了一种实现液体状态机的脉冲神经网络数模混合电路系统，包括A2S编码输入层、SNN计算层、S2A解码层、在线学习与输出控制器和超参数控制器。SNN计算层包括N个脉冲神经元电路，通过神经元间可重构互连网络连接，A2S编码输入层与SNN计算层之间通过输入输出可重构互连网络连接，A2S编码输入层包括M个A2S编码单元；S2A解码层通过输入输出可重构互连网络与SNN计算层及A2S编码输入层连接，S2A解码层包括M+N个S2A解码单元。所述混合电路系统结合了模拟电路计算速度快和数字电路计算灵活性高的优势，使其具有计算效率高、实时性强和在线学习的特点，从而推动ANN技术在物联网应用场景中的应用。

主权项

1.一种实现液体状态机的脉冲神经网络数模混合电路系统，其特征在于：包括A2S编码输入层、SNN计算层、S2A解码层、在线学习与输出控制器和超参数控制器，所述A2S编码输入层将传感器采集的连续的多路模拟信号转换成离散的具有时空分布特征的多通道脉冲信号，输入到SNN计算层，其中A2S编码输入层的每个编码单元对应于一路模拟信号，单元数量M与模拟信号阵列的数量相同，模拟信号转换成脉冲信号的编码算法由超参数控制器选择；SNN计算层包括N个脉冲神经元电路，通过神经元间可重构互连网络连接，A2S编码输入层与SNN计算层之间通过输入输出可重构互连网络连接，A2S编码单元既可以和全部脉冲神经元电路连接，也可以和部分神经元连接，具体连接方式由超参数控制器确定；S2A解码层通过输入输出可重构互连网络与SNN计算层及A2S编码输入层连接，S2A解码层包括M+N个S2A解码单元；在线学习与输出控制器对S2A解码层的输出进行加和运算并与来自A2S输入层的监督信号进行线性回归分析，根据误差结果调整S2A解码层内可重构电阻阵列的阻值，实现信息输出层在线学习的优化闭环；在线学习后，将不再改变S2A解码层内阻值，将其加和运算结果作为分类依据或建模预测的信号输出；超参数控制器用于决定A2S编码输入层选择的编码算法、SNN计算层中神经元电路的数量及膜电容参数、神经元间网络连接方式、兴奋性突触电路及抑制性突触电路中的可重构电阻阵列的阻值，以及输入输出互连网络的连接拓扑。