[發明專利]復合模式神經元信息處理方法和系統

有效

• 申請號: 201710041892.3
• 申請日: 2017-01-20
• 公開（公告）號: CN106875004B
• 公開（公告）日: 2019-09-10
• 發明（設計）人: 裴京;鄧磊;施路平;吳臻志;李國齊
• 申請（專利權）人: 北京靈汐科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/06
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 王程

技術領域

本發明涉及人工神經網絡技術領域，特別是涉及復合模式神經元信息處理方法和系統。

背景技術

如今的人工神經網絡研究絕大多數仍是在馮·諾依曼計算機軟件并搭配高性能GPGPU(General Purpose Graphic Processing Units通用圖形處理單元)平臺中實現的，整個過程的硬件開銷、能耗和信息處理速度都不容樂觀。為此，近幾年神經形態計算領域迅猛發展，即采用硬件電路直接構建神經網絡從而模擬大腦的功能，試圖實現大規模并行、低能耗、可支撐復雜模式學習的計算平臺。

然而，傳統的神經形態系統的神經元局限于支持單一的信息處理和傳輸模式：人工神經網絡或脈沖神經網絡，從而導致單個任務的神經網絡構建成本高，多個任務的神經網絡執行效率低。

發明內容

基于此，有必要針對需要為不同神經網絡工作模式下的任務，構建不同工作模式的神經網絡的問題，提供一種復合模式神經元信息處理方法和系統，所述方法包括：

讀取神經元工作模式配置參數，所述神經元工作模式配置參數包括人工神經元工作模式配置參數或脈沖神經元工作模式配置參數；

根據所述神經元工作模式配置參數，配置當前神經元工作模式，所述當前神經元工作模式包括人工神經元工作模式或脈沖神經元工作模式；

接收前端神經元輸出信息，所述前端神經元輸出信息包括前端人工神經元輸出信息或前端脈沖神經元輸出信息；

讀取當前神經元信息，所述當前神經元信息包括當前人工神經元信息或當前脈沖神經元信息；

根據所述前端神經元輸出信息和所述當前神經元信息，計算當前神經元輸出信息，包括根據所述前端人工神經元輸出信息和所述當前人工神經元信息，計算當前人工神經元輸出信息，或根據所述前端脈沖神經元輸出信息和所述當前脈沖神經元信息，計算當前脈沖神經元輸出信息；

輸出所述當前人工神經元輸出信息或所述當前脈沖神經元輸出信息。

在其中一個實施例中，

所述前端人工神經元輸出信息包括：前端人工神經元輸出的膜電位信息、前端人工神經元與當前人工神經元的連接權重索引；

所述當前人工神經元信息包括：當前人工神經元偏置信息；

則所述根據所述前端人工神經元輸出的膜電位信息和所述當前人工神經元信息，計算當前人工神經元輸出信息，包括：

根據所述前端人工神經元與當前人工神經元的連接權重索引，讀取前端人工神經元與當前人工神經元的連接權重；

根據所述前端人工神經元輸出的膜電位信息、所述前端人工神經元與當前人工神經元的連接權重、所述當前人工神經元偏置信息，通過預設的人工神經元激活函數，計算當前人工神經元輸出信息。

在其中一個實施例中，

在根據所述前端人工神經元輸出的膜電位信息、所述前端人工神經元與當前人工神經元的連接權重、所述當前人工神經元偏置信息，通過預設的人工神經元激活函數，計算當前人工神經元輸出信息的步驟之后，所述方法還包括：

讀取電位極值，以及與所述電位極值對應的極值神經元標識；

將所述當前人工神經元輸出信息和所述電位極值進行比較，若所述當前人工神經元輸出信息大于或等于所述電位極值，則

將所述電位極值更新為所述當前人工神經元輸出信息，并將所述極值神經元標識更新為當前人工神經元的標識。

在其中一個實施例中，

所述輸出所述當前人工神經元輸出信息，包括：

讀取第一發放使能標識，所述第一發放使能標識包括允許發放數據或不允許發放數據；

當所述第一發放使能標識為允許發放數據時，讀取人工神經元發放數據類型參數，所述人工神經元發放數據類型包括：發放所述當前人工神經元輸出信息、發放所述電位極值、發放所述電位極值對應的極值神經元標識其中的一種；

根據所述人工神經元發放數據類型參數，確定所述當前人工神經元最終輸出信息；

輸出所述當前人工神經元最終輸出信息。

在其中一個實施例中，所述前端脈沖神經元輸出信息包括：前端脈沖神經元輸出的脈沖尖端信息、前端脈沖神經元與當前脈沖神經元的連接權重索引；

所述當前脈沖神經元信息包括：當前時間窗寬度、當前時間窗內脈沖尖端信息序列、歷史膜電位信息和膜電位泄漏信息；

則根據所述前端脈沖神經元輸出信息和所述當前脈沖神經元信息，計算當前脈沖神經元輸出信息，包括：