一种Sigmoid为激活函数的高精度ANN电路的设计

提出了一款以Sigmoid为激活函数的人工神经网络(ANN)电路,实现对目标数据的分类,基于TSMC 180 nm CMOS工艺完成了电路设计、版图设计、仿真与流片测试,芯片面积为0.3375 mm^(2),1.8 V电源电压下电路功耗为216μW。3块芯片的测试结果显示,电路对目标数据的分类准确率为97.5%,误差在(-3.2%,3.27%)之间,平均误差为-1.51%。人工神经网络电路含有3个网络层,由15个Sigmoid激活函数神经元电路组成,两输入Sigmoid激活函数神经元电路由两个加权电路与一个Sigmoid激活函数电路组成。后仿真结果显示,在1.8 V电源电压下,神经元电路的功耗为8.02μW,最大噪声为√Hz,版图面积为0.001 mm^(2),最大相对误差为1.76%。

一种面向基于闪存的脉冲卷积神经网络的模拟神经元电路

该文面向基于闪存(Flash)的脉冲卷积神经网络(SCNN)提出一种积分发放(IF)型模拟神经元电路,该电路实现了位线电压箝位、电流读出减法和积分发放功能。为解决低电流读出速度较慢的问题,该文设计一种通过增加旁路电流大幅提高电流读出范围和读出速度的方法;针对传统模拟神经元复位方案造成的阵列信息丢失问题,提出一种固定泄放阈值电压的脉冲神经元复位方案,提高了阵列电流信息的完整性和神经网络的精度。基于55 nm互补金属氧化物半导体(CMOS)工艺对电路进行设计并流片。后仿结果表明,在20 μA电流输出时,读出速度提高了100%,在0 μA电流输出时,读出速度提升了263.6%,神经元电路工作状态良好。测试结果表明,在0~20 μA电流输出范围内,箝位电压误差小于0.2 mV,波动范围小于0.4 mV,电流读出减法线性度可达到99.9%。为了研究所提模拟神经元电路的性能,分别通过LeNet和AlexNet对MNIST和CIFAR-10数据集进行识别准确率测试,结果表明,神经网络识别准确率分别提升了1.4%和38.8%。

新型FitzHugh-Nagumo神经元电路动力学分析

利用二次型荷控忆容器替代忆阻FitzHugh-Nagumo神经元电路中的电容,构造了一种基于两类记忆元件的新型FitzHugh-Nagumo神经元电路.通过分岔图、Lyapunov指数谱、双参数图等分析手段,展开了电路的多种动力学行为分析.随着忆容参数与初始条件在特定区间内的变化,电路能够表现出含有周期-混沌气泡的反单调性、峰放电行为以及参数-初值域与初值-初值域之间的对称超级多稳态等.特别地,记忆元件初值调控的反单调性也进一步揭示了电路的多稳态即多种运动状态吸引子共存的现象.此外,通过电路软件仿真,该多稳态行为的正确性得到了验证.

蔡氏结型忆阻器的简化及其神经元电路的硬件实现

蔡氏结型忆阻器(Chua corsage memristor,CCM)属于压控型局部有源忆阻器,具有复杂的动力学行为,在神经形态计算领域具有潜在的应用价值.根据静态电压-电流特性曲线,CCM可分为二翼、四翼和六翼型.本文基于神经形态行为的产生机制,将CCM的数学模型进行简化,简化后的模型表达式中无绝对值符号,且小信号等效电路的导纳函数与简化前完全相同.进一步采用简化的CCM模型与电容和电感元件相连,构建了三阶神经元电路.利用局部有源、混沌边缘、及李雅普诺夫指数等理论分析方法,预测了该神经元电路产生神经形态行为的参数域.根据简化的CCM数学模型,采用运算放大器、乘法器、电阻和电容等常用电路元件构建了该忆阻器的电路仿真器,并连接电容和电感进一步给出了神经元电路的硬件实现.实验结果表明该神经元电路可以产生丰富的神经形态行为,包括静息状态、周期尖峰、混沌状态、双峰响应、周期振荡现象、全或无现象和尖峰簇发现象.

脉冲神经网络的忆阻器突触联想学习电路分析

忆阻器是具有动态特性的电阻,阻值可依赖于激励电压来变化,具有类似于生物神经突触连接强度的特性,可用来存储突触权值。在此基础上为实现忆阻器突触电路的学习功能,建立了"整合激发"型神经元SPICE仿真电路,修改了原始神经元电路结构,并对电路的脉冲信号产生过程进行了SPICE仿真。结合MOS管及忆阻器的特性重新设计了神经元突触电路结构,使突触电路更符合真实生物神经突触特征。在应用此设计的基础上,实现了2个神经元所构成神经网络之间类似于Hebbian学习的平均激发率学习规则。并且在基于多个神经元的神经网络的基础上完成了Pavlov实验,证明了此神经系统结构设计在联想学习方面的可用性。

一种基于符号逻辑的神经元模型和电路实现

为了实现基于符号逻辑的神经网络系统,本文定义了一种逻辑神经元模型,并采用了电流型CMOS工艺实现这种神经元电路的各种逻辑功能,最后通过电路模拟,证明设计的正确性。

新型钟控神经元MOS采样/保持电路

为实现连续时间信号到离散时间信号的转换,提出一种采用钟控神经元MOS管设计的新型电压型采样保持电路.在设计新方案中,通过引入nMOS阈值补偿单元,克服单管神经元MOS跟随器存在阈值损失这一缺点,提高采样保持电路的精度.采用具有高功能度的钟控神经元MOS管实现采样保持和跟随输出,使所设计的电路具有简单的结构和较低的功耗.对钟控神经元MOS管的SPICE宏模型进行改进,改进后的模型可用于对具有可变浮栅预置电压的电路进行分析.采用TSMC 0.35μm双层多晶硅CMOS工艺参数对设计电路进行HSPICE模拟,并对新设计方案与现有采用神经元MOS管设计的采样保持电路进行比较.模拟结果表明,所提出设计方案明显提高了采样精度,并具有较低功耗.

一种基于g_m-I_D方法的神经信号放大电路

为探测幅值极小、分布频域很低的神经信号,基于g_m-I_D方法设计了一种低电压、低功耗跨导运算放大器。该运算放大器采用了带增益自举模块的AB类低电压伪差分放大结构。在此基础上,设计了电容反馈神经信号放大电路。仿真结果表明,神经信号放大电路在低电源电压、低功耗下具有较高的共模抑制比和电源抑制比。电路的各关键指标达到良好均衡,满足探测神经信号的需求。

基于多值逻辑方法的二值神经元MOS电路设计技术

提出一种通过引入多值求和信号指导设计二值神经元MOS电路的方法.对每个神经元MOS管的逻辑功能均采用传输开关运算予以表示.在此基础上设计了实现常用二变量逻辑函数的神经元MOS电路和全加器等电路.采用所提出的方法综合得到的电路结构十分简单,而且很容易确定各耦合电容之间的取值比例.设计结果同时表明,利用浮栅电压信号易于实现求和的优点,通过引入求和辅助变量可显著简化对电路的综合过程.采用TSMC0.35μm双层多晶硅CMOS工艺参数的HSPICE模拟结果验证了所提出设计方案的正确性.

电流模式S形函数神经元电路的实现技术

神经元为神经网络的主要构成部分，在电流模式神经元电路的基础上可构成电流模式的神经网络。提出一种利用ＭＯＳ场效应管构成电流型神经元电路的新方法，该电路以处理电流信号变量为主要特征，克服了电压模式电路的许多缺点，电路结构简单实用，仿真研究结果与理想情况吻合较好。

基于FHN神经元电路的研究性教学探索

“电子技术课程设计”是电子信息类本科专业一门重要的实践类课程。课程旨在融合贯通多门专业课程的核心知识,提高学生对理论知识的应用能力。针对该课程现有选题过于陈旧、缺乏创新性与时代性的问题,基于Fitzhugh-Nagumo(FHN)神经元电路进行了研究性教学探索。并以基于非线性电阻的Fitzhugh-Nagumo神经元电路为例,进行了数学建模、数值仿真和电路仿真研究。这类电路结构简单且现象丰富,可作为“电子技术课程设计”以及电子信息类其他实践类课程的研究案例。

基于忆阻器的模拟人工神经元电路设计

为了解决传统的人工神经元电路难以连续调整和掉电存储权值的问题,使用由忆阻器构成的人工神经突触电路,设计出一种人工神经元电路.SPICE仿真实验结果证实了设计的可行性.所设计的神经元电路,在调整、存储权值方面相比于传统的人工神经元电路具有很大优势.

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.

光电流驱动下非线性神经元电路的放电模式控制

放电模态是可以识别生物神经元的电活动,即细胞内和细胞外的离子被泵送并在细胞内交换的过程.通过适当的物理刺激,人工神经元电路可以被设计以重现类似生物神经元的放电模式.光电管中产生的光电流可以作为信号源,对神经元电路进行刺激.但由于不同支路上的通道电流对功能神经元动力学的控制程度不同,所以光电管接入不同的支路,将会使神经元电路的放电模式产生很大差异.本文所采用的非线性神经元是由一个电容器、感应线圈、非线性电阻、两个理想电阻和一个周期电压源组成的FHN(Fitz Hugh-Nagumo neuron)电路.在此基础上,将光电管引入不同的支路来改变通道电流,以研究光电流的生物物理作用.当光电管连接到电容上,光电管被激活从而改变通道电流时,细胞膜电位可以直接改变,并切换激发模式.当光电管串联连接到感应线圈时,通过感应线圈的感应电流被调节以平衡外部刺激.这些结果表明,在本文构建的两类光敏神经元模型中,相比光电流驱动电感支路,光电流驱动电容器支路可以更有效地调节膜电位,大大提高感光灵敏度.

基于神经形态电路的音频场景特征提取及识别技术

传统的冯·诺依曼架构在处理语音等复杂信息时能效较低,神经形态电路更适合于语音等复杂信息的智能处理。常用的音频场景识别方式中的长时特征和短时特征都有其不足之处,卷积神经网络可通过训练提取适合后续分类任务的特征,在特征提取方面有更大的优势。针对四层的卷积神经网络的特征提取及分析方法在语谱图上进行了音频场景识别的研究,并验证了音频场景识别在神经形态电路—类脑计算芯片上的可实现性。

类脑神经网络与神经形态器件及其电路综述

为了系统地了解类脑神经网络电路,在对类脑神经网络进行简要介绍的基础之上,重点阐述两种类别的神经形态器件及功能,包括不同类型的浮栅管和不同工艺材料的忆阻器来模拟单个神经元和突触可塑性功能;然后,以神经形态器件为基础,分别介绍了基于浮栅管和忆阻器实现神经网络电路;最后总结当前神经形态器件及类脑神经网络芯片存在的问题,并对有关类脑计算研究方向进行了展望。

基于MOS技术的神经元电路研究进展

设计一种具有多种神经元响应模式、结构紧凑、低功耗的神经元电路,对大规模神经形态硬件的构建具有重要意义。分析了LIF、Izhikevich两种神经元模型的基本原理,重点介绍了数字和模拟两类神经元电路的设计方法、工作原理和优缺点。最后,讨论了神经元电路的设计趋势以及挑战。

CMOS神经元电路耦合同步对噪声的抑制作用

为了分析神经元电路耦合同步对噪声的抑制作用,构建了COMS神经元电路的耦合网络,借助Hspice工具对噪声干扰环境下神经元电路耦合网络的同步放电行为进行仿真.结果表明:单个神经元电路的放电频率受噪声影响较大,而多个神经元电路耦合同步可以抑制噪声干扰,恢复原有的放电频率.因此,利用多个神经元电路的同步放电行为对输入信号进行编码,能够实现可靠的信息编码.

新型忆阻器神经形态电路的设计及其在条件反射行为中的应用

突触是生物神经系统的重要组成部分.忆阻器因具备连续可调的非线性电导,与连接强度可连续调节的生物突触极为相似,因此在构建人工突触及类脑系统方面引起了广泛研究.本文制备了Cu/MXene/SiO2/W结构的忆阻器,基于该器件的电学特性、尤其是电导的连续可调特性,构建人工突触单元并设计了神经形态电路.在该电路中,通过施加连续的电压脉冲,对人工突触单元进行训练,成功模仿实现了经典条件反射行为.这一工作将对未来基于忆阻器构建大规模神经形态系统以进行类脑智能运算具有重要的意义.

基于Temporal rule的忆阻神经网络电路

忆阻器是一种动态特性的电阻,其阻值可以根据外场的变化而变化,并且在外场撤掉后能够保持原来的阻值,具有类似于生物神经突触连接强度的特性,可以用来存储突触权值。在此基础上,为了实现基于Temporal rule对IRIS数据集识别学习的功能,建立了以桥式忆阻器为突触的神经网络SPICE仿真电路。采用单个脉冲的编码方式,脉冲的时刻代表着数据信息,该神经网络电路由48个脉冲输入端口、144个突触、3个输出端口组成。基于Temporal rule学习规则对突触的权值修改,通过仿真该神经网络电路对IRIS数据集的分类正确率最高能达到93.33%,表明了此神经系统结构设计在类脑脉冲神经网络中的可用性。