人工神经网络是由大量神经元通过特定方式连接形成的一种复杂网络结构,是模拟人脑神经网络结构与信号传递机制提出的一种人工智能系统。人工神经网络具有自适应、自学习、自组织能力,广泛应用于函数逼近、图像处理、模式识别与医学诊断等领域。人工神经网络的实现分为软件实现与硬件实现。软件实现的人工神经网络在网络搭建、权值优化与数据可视化等方面具有很大优势,但数据并行处理能力差,速度慢;硬件实现的人工神经网络在数据处理速度与并行性上更具有优势。与数字技术实现相比,模拟技术实现的人工神经网络电路具有结构简单、功耗低、速度快、面积小等优点。本文基于TSMC 180nm CMOS工艺设计了两个加权电路、三个激活函数电路、一个两输入Sigmoid激活函数神经元电路、一个多层人工神经网络电路和一个应用于糖尿病性视网膜病变研究的人工神经网络输出电路。首先,针对神经元电路权值不可调问题,提出了两款可调加权电路:基于电流极性选择技术的电流镜加权电路与基于电流平方技术的线性可调OTA加权电路。针对神经元电路结构复杂、精度低的缺点,设计了 ReLu、PReLu、Sigmoid激活函数电路与一款两输入Sigmoid激活函数神经元电路。后仿真结果显示,在1.8V电源电压下,Sigmoid激活函数电路输出与理想Sigmoid函数之间的最大误差为1.76%,电路功耗为8.02μW,最大噪声为80pA/（?）,版图面积为0.089mm2。其次,针对UCI数据库中选取的目标数据,以Sigmoid为激活函数,设计了一款多层人二神经网络电路,实现对目标数据的分类。在TSMC 180nm CMOS工艺下,完成了电路设计、版图设计、电路仿真与流片测试。对3块芯片的测试结果显示,电路对目标数据的分类精度为97.5%,误差在（-3.2%,3.27%）之间,平均误差为-1.51%,1.8V电源电压下功耗为216μW,芯片面积为0.3375mm2。最后,针对国家自然科学基金项目（基于人工智能芯片的糖尿病性视网膜病变快速分类与分期方法研究（No.61801321））研究中算法环节产生的数据,设计了一款对数据最终处理的人工神经网络电路,电路的功能为在数据中找出最大值并输出对应类别。