中期创新周亚雄答辩.pptxVIP

基于忆阻突触器件的模式识别电路设计与实现 周亚雄、陈佳、段念、许磊 目 录 CONTENTS 研究背景 研究进展 成果与展望 1 研究背景 忆阻器 感知机 忆阻器 模式识别系统 1 研究背景 模式信息写入 模式信息读出 监督制学习 (supervised) 读脉冲 非监督制学习 (unsupervised) 学习模式（Learning） 测试模式（Testing） 比如：对初始化状态的忆阻突触阵列输入字母Z的模式信息 输入Z或其他字母的模式信息，结合神经元判断与学习信息是否一致 2 研究进展 3.模式识别功能验证 4.忆阻突触阵列制备 2.IF神经元 1.忆阻神经突触 忆阻神经突触 2.1 VS 有阈值模型 无阈值模型 生物大脑中产生的都是模拟信号，而无阈值忆阻突触模型更具有模拟性。所以为更好的模拟突触的生物特性，采用无阈值模型作为忆阻突触。 [2]Biolek Z, Biolek D, Biolkova V. SPICE model of memristor with nonlinear dopant drift[J].Radioengineering, 2009, 18(2): 210-214. [1]Pershin Y V, Di Ventra M. SPICE model of memristive devices with threshold[J].arXiv preprint arXiv:1204.2600, 2012. 有阈值模型特性曲线[1] 无阈值模型特性曲线[2] 忆阻神经突触 2.1 本次毕设首要完成字母Z、V、N的识别，其模式信息如下 110 010 011 101 101 010 010 101 101 3*9忆阻阵列设计 忆阻神经突触 2.1 在忆阻突触阵列学习时，采取 监督制学习机制 忆阻突触阵列学习电路 在对忆阻突触写入信息时，采用半电压式输入方法，即忆阻器两端分别输入正负脉冲信号时，突触权重才被改变。 IF神经元 2.2 IF（Integrate-and-Fire）神经元模型首次由Lapicque于1907年提出 用并联的电容和电阻，分别代表细胞膜的电容和泄露电阻 假定当膜电容被充电到一定的阈值电位时，会产生一个动作电位，同时电容器放电，重置膜电位。 [1]Abbott L F.Lapicque’s introduction of the integrate-and-fire model neuron (1907)[J]. Brain research bulletin, 1999, 50(5): 303-304. Lapique提出的IF模型[1] IF神经元 2.2 目前在IF神经元电路中，CMOS神经元发展成熟 [1]Wen S, Zeng Z, Huang T. Associative learning of integrate-and-fire neurons with memristor-based synapses[J]. Neural processing letters, 2013, 38(1): 69-80. IF神经元CMOS电路[1] IF神经元 2.2 IF神经元主要作用即 积分（Integrate）和阈值发放（Fire）, 为简化HSPICE中对神经元电路的仿真，可以直接利用放大器组成积分电路和比较器电路完成神经元功能。 优势：设计简单，效果明显 劣势：生物模拟性欠佳 简化的IF神经元电路 积分器电路 比较器电路 模式识别忆阻网络 2.3 设计思想： 在仿真中，利用可控开关实现学习模式和测试模式的切换，合理的将突触和神经元实现互联。 模式识别忆阻网络电路 输入端口 输出神经元 模式识别忆阻网络 2.3 以Z为例 输入信号如右图 字母Z的模式信息学习和测试 模式识别忆阻网络 2.3 比较器输出高电平，说明测试信号与学习信号一致 学习Z并训练Z的仿真结果 测试过程中，积分器对突触后信号强度的积分过程 比较器阈值为-0.3V 模式识别忆阻网络 2.3 模式识别忆阻网络 2.3 输出为低电平，即表示训练信号与学习信号不一致 模式识别忆阻网络 2.3 像素点 噪点 灰度值噪点 像素点噪点在一个以内时，系统识别率保证100% 像素点噪点在两个以内时，系统识别率保证72.22% 在整体灰度值下降78.57%范围内，系统识别率保证100% 改进的模式识别忆阻网络 2.3 在一般的数字模式信息中，识别难点为： 数字0、8、9的模式信息差别在一个像素点差别上下。 而使用当前模式识别网络，当像素点差别为+1时，根据当前阈值判断规则，会导致误读 VS [1]Chu M, Kim B, Park S, et al. Neuromorphic Hardware System for V