[發明專利]神經網絡處理系統

有效

• 申請號: 201710455266.9
• 申請日: 2017-06-16
• 公開（公告）號: CN107341539B
• 公開（公告）日: 2019-11-26
• 發明（設計）人: 侯拓宏;張志丞;劉仁杰
• 申請（專利權）人: 財團法人交大思源基金會
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063;G06K9/00
• 代理公司: 11127 北京三友知識產權代理有限公司
• 代理人: 喬媛;湯在彥<國際申請>=<國際公布>=

1.一種神經網絡處理系統，其特征在于，所述神經網絡處理系統包括：

至少一突觸，每一所述突觸接收一輸入信號，所述至少一突觸為各自具有一外部權重值及一內部權重值，所述內部權重值會經由外部刺激以產生變化，當所述內部權重值的變化累積至一臨界值時，會同時改變所述外部權重值，使得所述至少一輸入信號乘上所述至少一突觸的所述外部權重值，以產生一權重信號；以及

一神經元電路，其連接所述至少一突觸，以接收所述至少一突觸所傳輸的所述權重信號，并計算所述至少一權重信號以輸出。

2.根據權利要求1所述的神經網絡處理系統，其特征在于，所述外部權重值經由電性量測以得知。

3.根據權利要求2所述的神經網絡處理系統，其特征在于，所述電性量測為對電阻、電容、電感、阻抗的至少其中之一的量測。

4.根據權利要求1所述的神經網絡處理系統，其特征在于，所述內部權重值為所述至少一突觸的物理結構的差異，其為缺陷數目、元素組成、原子排列、分子形貌、鐵電域排列、鐵磁域排列。

5.根據權利要求4所述的神經網絡處理系統，其特征在于，所述物理結構差異均勻或不均勻存在所述至少一突觸中。

6.根據權利要求1所述的神經網絡處理系統，其特征在于，所述內部權重值的變化累積計算方法為梯度下降向后傳播規則、尖峰時序相關的可塑性規則、赫布學習規則、Oja學習規則、BCM理論。

7.根據權利要求1所述的神經網絡處理系統，其特征在于，所述外部刺激為電壓或電流。

8.根據權利要求1所述的神經網絡處理系統，其特征在于，所述外部權重值的改變為具隨機性的二元變化，且通過所述內部權重值的累計分布函數以決定改變機率。

9.根據權利要求8所述的神經網絡處理系統，其特征在于，所述內部權重值的所述累計分布函數為通過脈沖振幅、脈沖寬度、脈沖電壓刺激的松弛周期、脈沖電流刺激的松弛周期的至少其中之一進行調整。

10.根據權利要求8所述的神經網絡處理系統，其特征在于，計算所述內部權重值以改變所述外部權重值的公式為：

δ_k＝(T_k-O_k)×f_a'(I_k)

其中，H_j為第j個隱藏層神經元的輸出值，O_k為第k個輸出層神經元的輸出值，X_i為第i個輸入層的輸入值，w_ext,i,j為第i個輸入層和第j個隱藏層神經元的間的外部權重值，w_ext,j,k為第j個隱藏層和第k個輸出神經元的間的外部權重值，f_a為激活函數，I_j為第j個隱藏層神經元權重乘積和，I_k為第k個輸出層神經元權重乘積和，T_k為第k個輸出層的目標輸出值，f_a’為激活函數的微分項，δ_k為第k個輸出層的誤差量，δ_j為第j個隱藏層的誤差量，w_int,i,j為第i個輸入層和第j個隱藏層神經元的間的內部權重值，w_int,j,k為第j個隱藏層和第k個輸出神經元的間的內部權重值，η為學習速率，w^old為更新前的權重值，w^new為更新后的權重值，P_ext,sw為外部權重值切換的機率，CDF為由內部權重值所決定的累計分布函數。