一种基于群体编码的神经形态硬件框架
神经与进化计算
2015-03-03 v1
摘要
在生物神经系统中，庞大的神经元群体协作编码感觉刺激。这些神经元群体的特征在于调谐曲线的多样化分布，从而确保输入刺激的全部范围被编码。基于这些原理，我们设计了一种称为可训练模拟模块（TAB）的神经形态系统，其利用具有异质调谐曲线轮廓的大量神经元群体对给定输入刺激进行编码。调谐曲线的异质性通过VLSI（超大规模集成）工艺中的随机器件失配以及向每个隐藏神经元添加系统偏移来实现。在此，我们呈现了在65nm工艺下制造的单个测试单元的测量结果，以验证TAB框架。我们通过改变偏移量复用该测试单元的测量结果，模拟了庞大的神经元群体。由此我们展示了该系统针对各种回归任务的学习能力。TAB系统可通过使电路对制造工艺产生的随机失配不敏感，为改进商用模拟电路设计铺平道路。
引用
@article{arxiv.1503.00505,
title = {A neuromorphic hardware framework based on population coding},
author = {Chetan Singh Thakur and Tara Julia Hamilton and Runchun Wang and Jonathan Tapson and André van Schaik},
journal= {arXiv preprint arXiv:1503.00505},
year = {2015}
}
备注
In submission to IJCNN2015