论文部分内容阅读
脉冲神经网络由更具生物可解释性的脉冲神经元构成,被称为第三代人工神经网络计算模型,是进行复杂时空信息处理的有效工具。结合现场可编程门阵列(Field Programmable Gate Array,FPGA)的可重复编程特性与脉冲神经网络的信息处理模式,构造脉冲神经网络的硬件系统,建立类脑智能计算的新模型,将是人工智能研究领域中极富挑战性的任务。但是,在目前的脉冲神经网络硬件实现的研究中,神经元模型的实现较为单一,网络硬件架构的设计不够合理,所以导致表现出的生物生理活动特征和神经动力学特性比较匮乏。本文分析了神经形态系统的研究现状,比较了数字系统、模拟电路以及混合实现之间的区别。根据二维分段线性脉冲神经元模型、脉冲神经网络硬件架构和具有突触连接的随机耦合网络结构,基于FPGA设计并实现了脉冲神经网络通信系统的时空特征模拟。主要研究工作如下:(1)通过二维分段线性脉冲神经元模型,提出了神经元模型的FPGA电路设计与实现,采用欧拉方法对原始模型方程式进行离散化,随后用数字实现方式设计了神经元并行算术单元的工作原理图以及膜电位V和恢复变量U的数字计算流水线,使得算术树最大化了时间和空间的并行性。通过实验模拟了20种神经计算特性以及6类生物皮层神经元放电模式,验证了数字电路的并行运算性能和生物可解释性。(2)结合突触交互机制和随机耦合网络结构,提出了一种脉冲神经网络通信系统的硬件架构,并对其进行数字电路设计与实现。对脉冲神经网络的脉冲序列发放与处理进行了实时仿真,使得其具备时空特性和生物真实性。针对所提出的通信系统通过实验进行评估,仿真了2种不同的随机耦合神经网络所产生的脉冲时空序列,验证了通信系统的神经动力学特性。最后,通过实验的分析比较,所提出的分段线性脉冲神经元数字电路和脉冲神经网络通信系统可以实时地发放和处理脉冲序列,验证了两者均具有丰富的神经形态动力学特性。并且,通过分析通信系统仿真的性能数据,表现出了良好的资源利用率和功率损耗。