基于FPGA的类脑神经元仿生电路设计与实现

随着现代社会进入信息化与智能化时代,神经形态计算以高度的并行、极低的功耗和存算一体的特征受到了广泛的关注。本文着眼于未来神经形态器件和类脑智能的发展需求,对建立全数字电路的类脑计算硬件系统展开研究,以脉冲神经网络H-H(Hodgkin-Huxley)神经元模型为研究对象,将DSP Builder平台与Quartus平台相结合,设计出H-H神经元模型的数字电路,并对其进行了性能测试。结果表明,基于现场可编程门阵列(FPGA)硬件设计的神经元数字电路其工作特性与理论仿真结果高度一致,具有良好的生物特性,为建立类脑计算硬件系统提供新思路。

类脑脉冲神经网络及其神经形态芯片研究综述

在类脑人工智能高速发展、电磁环境日益复杂的现状下,最具有仿生特性和抗干扰性的脉冲神经网络在计算速度、实时信息处理、时空数据处理上表现出巨大的潜能。脉冲神经网络是类脑人工智能的核心之一,通过模拟生物体神经网络结构和信息传递方式来实现类脑计算。本文首先总结五种神经元模型的优缺点和适用性,分析五种网络拓扑结构的特征;其次综述脉冲神经网络算法,从无监督学习和有监督学习两个角度总结基于突触可塑性规则的无监督学习算法和四类监督学习算法;最后重点综述国内外在研的类脑神经形态芯片。本文旨在通过系统性的总结,为初入脉冲神经网络研究领域的同行提供学习思路和研究方向。