[发明专利]一种基于多态忆阻器的电压型神经网络及其操作方法

摘要

本发明公开了一种基于多态忆阻器的电压型神经网络及其操作方法，提出一种由类脑器件忆阻器结合传统器件搭建的一种电压型神经元电路，能够模拟实现前向的神经网络运算，采用由忆阻器件为核心的权重模式，有效减少了神经网络运算中的存储和运算耗费资源。结合其他类的电子器件诸如MOS管、低功耗运放、轨到轨运放技术、以及数字电路方面的原理，在本发明中针对性地解决了忆阻器作为神经网络中核心器件所设计的信号输入、权值网络、累加求和以及激活层面的的设计问题，实现正负信号信号在乘法器之内的处理和神经网络层之间的传递，并搭建了相对应的权值矩阵模型和神经元网络电路。

主权项

1.一种基于多态忆阻器的电压型神经网络，其特征在于：包括信号输入模块、权值网络模块、极性寄存器模块、Sum求和单元、偏置寄存器模块和激活函数模块；所述信号输入模块为绝对值电路模块，将输入信号V_pluse分解为输出模值信号|V_pluse|和极性特征信号S′，输入至权值网络模块；所述权值网络模块分别与信号输入模块和极性寄存器模块连接，所述极性寄存器模块控制权值网络的极性；权值网络模块对输入信号和极性信号进行运算后，输出结果至Sum求和单元进行求和运算，输出信号V_out；所述偏置寄存器模块控制输出偏置信号bias，偏置信号bias与Sum求和单元输出信号V_out进行求和运算后输入至所述激活函数模块进行激活，并将最终结果输入到下一层神经网络中；所述权值网络模块包括若干矩阵乘法单元；所述矩阵乘法单元包括忆阻器权重模块、同或门电路、正向比例放大电路、PMOS管和NMOS管；所述忆阻器权重模块包括两块忆阻器件Mem1和Mem2，并且满足：其中|W|为权重绝对值，Mem1和Mem2分别为两块忆阻器的阻值；所述忆阻器权重模块输出端连接正向比例放大电路正极，输出端分别连接PMOS管和NMOS管的漏极D；所述同或门电路输入端接收所述极性特征信号S′和极性寄存器模块输出信号W′,输出端分别连接PMOS管和NMOS管的栅极G，控制信号输出至V_N端或V_P端。