公开(公告)号：CN115018058A

公开(公告)日：2022-09-06

申请号：CN202210801510.3

申请日：2022-07-08

Applicant: 重庆大学

Inventor： 陈思豪 ,  石匆 ,  田敏 ,  何俊贤 ,  王腾霄 ,  王海冰 ,  高灏然 ,  庹云鹏

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明属于微处理器技术领域，具体公开了一种基于简化SDSP算法的轻量级片上学习方法，用于脉冲神经网络的训练，包括:对输入图像进行速率编码，将静态帧图像转成脉冲形式，每个像素点看作突触前神经元；脉冲神经网络的输出层由泄露累积发射神经元组成，其中各神经元为突触后神经元，突触前神经元和突触后神经元采用全连接方式进行连接，其中突触前神经元发射的脉冲为突触前脉冲，突触后神经元发射的脉冲为突触后脉冲；在脉冲神经网络的训练中，依照基于突触后神经元的钙浓度Ca的简化脉冲驱动突触可塑性权重更新方法对各突触的权重进行更新。别发明还公开了基于该方法的系统和处理器。

公开(公告)号：CN114091663A

公开(公告)日：2022-02-25

申请号：CN202111428757.7

申请日：2021-11-28

Applicant: 重庆大学

Inventor： 王海冰 ,  石匆 ,  田敏 ,  王腾霄 ,  何俊贤 ,  何祯

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08 ,  G06F15/78

Abstract: 本发明属于微处理器技术领域，具体公开一种基于脉冲神经网络的轻量级片上学习方法，对输入图像进行速率编码，将静态帧图像转成脉冲形式，每个像素点看作突触前神经元，脉冲神经网络的输出层由LIF神经元组成，其中各神经元为突触后神经元，突触前神经元和突触后神经元采用全连接方式进行连接，在脉冲神经网络的训练中，依照STDP权重更新学习规则对各突触的权重进行更新；当突触后神经元发射脉冲时，该神经元为获胜神经元，以获胜神经元为中心，根据突触后神经元突触后神经元的棋盘距离，对其他突触后神经元的膜电位进行抑制，最终得到自组织脉冲神经网络。解决了浅层脉冲网路识别率较低的问题。

公开(公告)号：CN116629344A

公开(公告)日：2023-08-22

申请号：CN202310620352.6

申请日：2023-05-29

Applicant: 重庆大学

Inventor： 石匆 ,  高灏然 ,  田敏 ,  何俊贤 ,  王腾霄 ,  喻剑依 ,  王海冰 ,  陈思豪 ,  张靖雅 ,  庹云鹏 ,  陈乐毅

IPC: G06N3/084 ,  G06N3/049 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种基于Ca‑LIF神经元模型的Spike‑BP片上学习方法、系统及处理器，其采用可训练的线性泄漏参数和基于钙门控的正负双通道脉冲发射机制，对于Ca‑LIF神经元模型只需要通过减去即可实现线性泄漏操作，在求解梯度矩阵时能避免复杂的泄漏补偿操作，降低硬件实现复杂度，节省后续硬件设计的大量计算资源，并能提升脉冲神经网络训练的性能。

公开(公告)号：CN115064197A

公开(公告)日：2022-09-16

申请号：CN202210634812.6

申请日：2022-06-06

Applicant: 重庆大学

Inventor： 石匆 ,  陈乐毅 ,  田敏 ,  王海冰 ,  喻剑依 ,  何俊贤 ,  王腾霄 ,  高灏然

IPC: G11C16/04 ,  G11C16/24 ,  G06N3/063

Abstract: 本发明公开了一种存内计算装置及其控制方法，包括SRAM存储阵列、位线驱动电路模块和存内计算模块；所述SRAM存储阵列分别与位线驱动电路模块和存内计算模块连接；当存内计算装置进行写操作时，写入数据以及时钟信号进入位线驱动模块，驱动SRAM存储阵列中的写位线电压改变，将数据写入进SRAM存储阵列中；当存内计算装置进行读操作时，时钟信号进入位线驱动模块，同时驱动SRAM存储阵列内的读位线电压，SRAM存储阵列内的两根不同的读位线电压分别为第一操作数和第二操作数，存内计算模块最后按照控制指令选取操作数来源与计算种类进行计算并按列输出计算结果。本发明提高了计算过程的效率，节省了功耗。

公开(公告)号：CN114943329A

公开(公告)日：2022-08-26

申请号：CN202210550195.1

申请日：2022-05-20

Applicant: 重庆大学

Inventor： 石匆 ,  卢靖 ,  田敏 ,  王海冰 ,  喻剑依 ,  何俊贤 ,  王腾霄 ,  高灏然

IPC: G06N3/063 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于忆阻器的可片上强化学习脉冲GAN模型及设计方法，包括以下步骤：步骤1、选择忆阻器模型，并基于该忆阻器模型设计能实现R‑STDP学习规则的1M4T突触电路；步骤2、构建LIF神经元电路，其中，所述LIF神经元电路采用泄漏累积发射神经元；步骤3、基于1M4T突触电路和LIF神经元电路搭建完整的GAN网络电路，其中，GAN网络电路的生成器和鉴别器均为基于忆阻器crossbar的单层全连接网络，并通过奖惩信号反向传播方法对构建的GAN网络电路进行训练；步骤4、利用GAN网络电路执行图像生成任务进行功能验证。本发明所得的基于忆阻器的可片上强化学习脉冲GAN模型能够实现快速学习并节省存储资源消耗。

公开(公告)号：CN114065922B

公开(公告)日：2024-10-29

申请号：CN202111428759.6

申请日：2021-11-28

Applicant: 重庆大学

Inventor： 王腾霄 ,  石匆 ,  田敏 ,  何俊贤 ,  王海冰 ,  喻剑依

IPC: G06N3/049 ,  G06N3/063 ,  G06N3/084

Abstract: 本发明属于微处理器技术领域，具体公开了一种基于脉冲神经网络的实时深度学习方法，其特征在于，包括，在脉冲神经网络的训练中，利用与各隐藏层的权重矩阵对应的随机反传矩阵，将输出层的误差向量映射为各隐藏层的误差向量；所述误差向量基于Tempotron学习规则定义；输出层集各隐藏层利用各自的误差向量基于梯度下降原则更新权重矩阵。基于该方法，本发明还公开了相应的基于脉冲神经网络的实时深度学习方法级处理器，保证图像识别率的同时，满足边缘应用场景的高能效和实时性要求。

公开(公告)号：CN114065922A

公开(公告)日：2022-02-18

申请号：CN202111428759.6

申请日：2021-11-28

Applicant: 重庆大学

Inventor： 王腾霄 ,  石匆 ,  田敏 ,  何俊贤 ,  王海冰 ,  喻剑依

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明属于微处理器技术领域，具体公开了一种基于脉冲神经网络的实时深度学习方法，其特征在于，包括，在脉冲神经网络的训练中，利用与各隐藏层的权重矩阵对应的随机反传矩阵，将输出层的误差向量映射为各隐藏层的误差向量；所述误差向量基于Tempotron学习规则定义；输出层集各隐藏层利用各自的误差向量基于梯度下降原则更新权重矩阵。基于该方法，本发明还公开了相应的基于脉冲神经网络的实时深度学习方法级处理器，保证图像识别率的同时，满足边缘应用场景的高能效和实时性要求。

公开(公告)号：CN116663620A

公开(公告)日：2023-08-29

申请号：CN202310638717.8

申请日：2023-05-31

Applicant: 重庆大学

Inventor： 石匆 ,  田敏 ,  何俊贤 ,  王腾霄 ,  王海冰 ,  喻剑依 ,  高灏然 ,  张靖雅 ,  陈乐毅 ,  陈思豪 ,  庹云鹏

IPC: G06N3/049 ,  G06N3/063 ,  G06N3/08 ,  G06F15/78

Abstract: 本发明公开了一种脑仿生片上学习脉冲神经网络及边缘端神经形态处理器，包括编码层、特征提取层和决策层；所述编码层用于对输入图像进行脉冲编码；若输入为动态视觉传感器产生的数据，则直接送到特征提取层，编码层不工作；如果输入为静态图像，则将静态图像像素值编码为脉冲序列后再输入给特征提取层；所述特征提取层通过对编码层输出的脉冲进行提取和选择特征，所述特征提取层支持的特征提取方法包括脉冲极限学习机、时空压缩感知、液体状态机、局部/部分连接；所述决策层用于接收来自特征提取层的脉冲，并对决策层的权重进行片上学习训练。本发明能够灵活配置执行不同的片上学习算法，减小资源消耗，降低芯片的功耗。