用于脉冲神经网络中鲁棒片上常开学习的神经形态模拟电路
神经与进化计算
2023-07-13 v1
摘要
混合信号神经形态系统代表了一种不依赖外部计算资源来解决极端边缘计算任务的有前景方案。其脉冲神经网络电路针对在连续时间中在线处理感官数据进行了优化。然而，其低精度与高变异性会严重限制性能。为解决此问题并提升其对内部状态变量与外部输入信号中不均匀性和噪声的鲁棒性，我们设计了具有短期模拟动态与长期三态离散化机制的片上学习电路。还引入了额外的滞回停止学习机制以提升稳定性，并在必要时自动禁用权重更新，从而实现连续常开学习。我们使用180 nm CMOS技术在一款原型芯片中设计了带有这些学习电路的脉冲神经网络。给出了该原型芯片的仿真与硅测量结果。这些电路使得构建具备在线学习能力、用于真实世界边缘计算任务的大规模脉冲神经网络成为可能。
引用
@article{arxiv.2307.06084,
title = {Neuromorphic analog circuits for robust on-chip always-on learning in spiking neural networks},
author = {Arianna Rubino and Matteo Cartiglia and Melika Payvand and Giacomo Indiveri},
journal= {arXiv preprint arXiv:2307.06084},
year = {2023}
}