用于双阈值脉冲神经网络的改进自适应阈值算法

脉冲神经网络(spiking neural network, SNN)由于在神经形态芯片上低功耗和高速计算的独特性质而受到广泛的关注。深度神经网络(deep neural network, DNN)到SNN的转换方法是有效的脉冲神经网络训练方法之一,然而从DNN到SNN的转换过程中存在近似误差,转换后的SNN在短时间步长下遭受严重的性能退化。通过对转换过程中的误差进行详细分析,将其分解为量化和裁剪误差以及不均匀误差,提出了一种改进SNN阈值平衡的自适应阈值算法。通过使用最小化均方误差(MMSE)更好地平衡量化误差和裁剪误差;此外,基于IF神经元模型引入了双阈值记忆机制,有效解决了不均匀误差。实验结果表明,改进算法在CIFAR-10、CIFAR-100数据集以及MIT-BIH心律失常数据库上取得了很好的性能,对于CIFAR10数据集,仅用16个时间步长就实现了93.22%的高精度,验证了算法的有效性。

多阈值神经元电路设计及在多值逻辑中的应用

分析了多阈值神经元工作原理,并提出设计多阈值神经元电路的方法.首先,用两个 MOS晶体管组成电压型突触电路,然后又提出一种基于BiCMOS工艺的判别转换开关电路,这种电路以压控电流作为阈值信号,并实现电压到电流的转换.在此基础上,结合限幅电压开关理论提出多阈值神经元阈值判别函数电路的开关级设计方法.最后,从开关级设计了实现三值逻辑中文字、与、或三种基本运算的多阈值神经元电路,用这三种基本运算的多阈值神经元电路可实现任意三值函数的多阈值神经网络.文章还对设计出的电路用 PSPICE进行模拟,测量相关参数.模拟结果表明,该文设计的电路不仅实现了正确的逻辑功能,而且速度较快.

基于多阈值神经元的D型触发器设计

分析硬限幅多阈值神经元的工作原理,提出了运用多阈值神经元设计D触发器的方法.首先,用单个多阈值神经元设计锁存器;其次,利用两个锁存器设计了一次操作的主从型D触发器.本文设计的基于多阈值神经元的触发器与传统基于单阈值神经元的触发器相比减少了神经元的数量和连接数目、降低了复杂度、提高了稳定性.运用本文提出的多阈值神经元触发器,可以设计任意功能的神经网络时序电路.

硬限幅多阈值神经元在组合逻辑设计中的应用

本文分析了硬限幅多阈值神经元的功能?可用多个阈值把空间划分成多个超平带,即可实现对高维空间中多区域的非线性划分。以此类神经元为基础,本文提出了用硬限幅多阈值神经元实现组合逻辑电路设计的方法,通过对八位"奇偶校验"和3Bit二进制全加器的设计实现,阐述了采用硬限幅多阈值神经元相对于单阈值神经元和传统的数字电路设计方法实现组合逻辑设计的优越性。

基于BP网络的异或运算多阈值神经元的实现

由于单层感知器功能有所限制,文章给出了基于BP神经网络的(多层感知器)异或运算的网络结构图,进而在此基础上设计了一个实现异或运算的多阈值神经元。这样的神经元电路具有速度快效率高的特征,还可以很大程度的降低硬件开销。

用BiCMOS工艺实现的阈值神经元电路

提出了一种新型的阈值神经元电路,它采用BiCMOS工艺实现,具有结构简单、集成度高、速度快等特点,能很好地实现神经元的基本运算功能,如“非”、“析取”、“合取”、“异或(XOR)”等.

随机共振神经元利用噪声辅助进行信号传输特性分析

根据生物神经元是利用噪声通过随机共振机制进行信息处理的现象,以阀值神经元为例,采用香农第二定理,分析了双极性信号和白噪声通过由多个神经元串联或并联组成的系统的输出情况,从品质因数、传输长度等角度对多个神经元串联系统的输出特性随噪声强度变化进行了分析.实验结果表明:系统存在随机共振现象,即存在最优的噪声量可以最大限度地增强信息传输;串联时传输信息量随级数的增大而减小,并联时正好相反;噪声的分布形式只影响共振效应的强弱,而不影响系统的随机共振特性;均匀白噪声比高斯白噪声有更强的共振效应.从而说明了噪声对信息传输的积极作用.

有导师学习神经网络的大米识别

为了利用智能算法来识别大米的种类属性,提出一种基于有导师学习神经网络的大米识别方法。该方法将训练样本的参数数据构造成测试集的标准数据,建立每种稻米的GRNN和PNN模型,并利用MATLAB软件对包含有不同几何特征参数的GRNN和PNN模型进行仿真。在已有训练样本数据的指导下,分析稻米米粒几何参数与稻米种类之间的关系,识别出其他样本的类别。结果显示,提出的方法能够精准地识别稻米的种属,而且GRNN模型的准确率要低于PNN模型,该方法容易实现,无庞杂计算,避免繁琐迭代过程。

基于模式识别的一种新型结构型神经网络

提出了一种新型的结构型神经网络 ,采用了遗传算法训练网络神经元 ,使网络明显提高了解决非线性模式识别问题的能力 .提出了两个定理证明了网络的有效性 .从 MATL AB仿真结果可以看出 ,新模型结构简单 。

三电平超阈值随机共振模型的研究

针对阈值型感知神经元中语音信号传输问题,本文建立了三电平神经元网络结构模型,给出了系统性能指标,分析了语音信号通过神经元群体时的平均互信息和刺激特定信息。分析结果表明,平均互信息是神经网络有关刺激信号集合的统计意义上信息特征量,而刺激特定信息将平均互信息在信号幅值空间进行了分解,反应了噪声强度和神经元群体数目在不同信号水平下的信息传递效率。该研究为进一步探索阈值性神经元模型中信息编码提供了理论与实验依据。

连续多阈值神经元反馈神经网络盲检测光基带信号

空间分集接收可补偿信道衰落,提出了一种基于幅相联合激励法的连续多阈值神经元反馈神经网络(RNNCMVN)的光基带信号直接盲检测方法。针对多进制相移键控(MPSK)信号的特点,设计了两种连续相位多阈值激励函数形式,并简要讨论了该两类激励函数参数的选择;分别推演基于幅相联合激励法的RNNCMVN光基带信号盲检测方法工作于同步和异步两种模式下的新能量函数及其相关证明。同时针对正交调幅(QAM)信号的特点,分别设计出连续振幅和相位多阈值激励函数形式,最后通过仿真验证了该方法的有效性。

A Novel Matched Filter Structure with Neuron MOS Devices

Based on the principle of the neuron MOS device,a novel matched filter structure which is easily realized by neuron MOS is presented and the details of circuit performance is analyzed.Compared to the conventional structure,the number of circuit elements is decreased greatly for the same function.The test chip is fabricated in 0.35μm process,and the measured result shows that the system structure is feasible and effective.

A Novel NeuMOS Source Follower Cell with High Precision

A novel neuMOS source follower circuit is presented.The cell can complete the s ource follower function even if the input voltage is lower than the threshold of the source follower,thus high-precision operation of the circuit is achieved. The simulation and the measurement results show that its precision is higher tha n that of other neuMOS source follower circuits.

人工神经网络的设计方法

目前人工神经网络模型学习与训练时间长，收敛性难以保证，网络鲁棒性差，存在局部极小。尤其当网络规模增大时，上述缺点变得尤为严重。为克服上述缺陷，提出了一组新的方法，即利用训练样本集提供的全局知识，通过不同数学工具，设计网络的结构与参数。结果表明，这套方法可以达到很好的效果，是改进人工神经网络性能的一种有效途径。