用于真实世界模式识别的同质脉冲神经形态系统
神经与进化计算
2015-06-11 v2 人工智能
计算机视觉与模式识别
新兴技术
摘要
结合CMOS模拟脉冲神经元和忆阻性突触的神经形态芯片为类脑计算提供了有前景的方案，因为它能提供大规模神经网络并行性与密度。先前混合模拟CMOS-忆阻器方法需要大量CMOS电路用于训练，从而消除了采用忆阻器突触所带来的大部分密度优势。此外，它们对突触前和突触后脉冲使用不同波形，增加了不期望的电路开销。在此我们描述一种硬件架构，其可具备大量忆阻器突触以学习真实世界模式。我们提出了一种多功能CMOS神经元，它结合了积分发放行为、驱动无源忆阻器并在紧凑电路模块中实现竞争学习，且支持忆阻器突触中的原位可塑性。我们利用晶体管级电路仿真，使用所提架构展示了手写数字识别。由于所述神经形态架构是同质的，它实现了大规模高能效类脑硅芯片的基本构建模块，可通向新一代认知计算。
引用
@article{arxiv.1506.01072,
title = {Homogeneous Spiking Neuromorphic System for Real-World Pattern Recognition},
author = {Xinyu Wu and Vishal Saxena and Kehan Zhu},
journal= {arXiv preprint arXiv:1506.01072},
year = {2015}
}
备注
This is a preprint of an article accepted for publication in IEEE Journal on Emerging and Selected Topics in Circuits and Systems, vol 5, no. 2, June 2015