[發明專利]人工神經網絡運算電路

在審

• 申請號: 201710983550.3
• 申請日: 2017-10-19
• 公開（公告）號: CN107862380A
• 公開（公告）日: 2018-03-30
• 發明（設計）人: 陳恒;方勵;易冬柏;殷桂華;張艷可
• 申請（專利權）人: 珠海格力電器股份有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/08;G06T1/60
• 代理公司: 北京康信知識產權代理有限責任公司11240
• 代理人: 趙囡囡

技術領域

本發明涉及圖像處理領域，具體而言，涉及一種人工神經網絡運算電路。

背景技術

人工神經網絡(Artificial Neural Network),是20世紀80年代以來人工智能領域興起的研究熱點，它從生物信息處理角度對大腦神經元單元網絡進行抽象，按不同的連接方式組成不同的網絡。人工神經網絡特有的非線性適應性信息處理能力，克服了傳統人工智能方法對于直覺，如模式、語音識別、非結構化信息處理等方面的缺陷，使之在模式識別、智能控制、優化組合、預測等領域得到成功應用。

人工神經網絡的層次結構復雜，學習能力和神經網絡的層次成正比，然而更深的層次結構意味著更大的數據運算和更復雜的連接，從而會導致計算量較大、系統功耗較高。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種人工神經網絡運算電路，以至少解決由于人工神經網絡的連接結構復雜導致的系統功耗較高的技術問題。

根據本發明實施例的一個方面，提供了一種人工神經網絡運算電路，包括：控制器，用于生成學習參數，并根據學習參數調整多個神經元單元之間的連接關系；存儲器，與控制器連接，用于存儲輸入數據、學習參數以及連接關系；多個神經元單元，與控制器和存儲器連接，用于基于連接關系，根據學習參數對輸入數據進行神經元運算，并輸出運算結果。

可選地，多個神經元單元設置于多層神經網絡中，每層神經網絡包括至少一個神經元單元。

可選地，多層神經網絡中第i層神經網絡根據輸入數據進行神經元運算，生成第i個運算結果，并將第i個運算結果傳輸至第i+1層神經網絡，i為正整數。

可選地，控制器用于執行以下步驟根據學習參數調整多個神經元單元之間的連接關系：獲取多層神經網絡中最后一層神經網絡輸出的運算結果；根據運算結果與預設值之間的差值，調整學習參數；若調整后的學習參數小于預設閾值，斷開與調整后的學習參數對應的神經元單元的連接。

可選地，控制器，還用于在多個神經元單元中的一個或幾個神經元單元的調整后的學習參數均小于預設閾值的情況下，刪除一個或幾個神經元單元。

可選地，控制器，還用于在多層神經網絡中的一層或幾層神經網絡的所有神經元單元的調整后的學習參數均小于預設閾值的情況下，刪除一層或幾層神經網絡。

可選地，多個神經元單元用于執行以下步驟根據學習參數對輸入數據進行神經元運算：從存儲器中讀取輸入數據和學習參數；依據學習參數對輸入數據進行加權求和，得到加權求和結果；將加權求和結果輸入預設激勵函數，得到運算結果。

可選地，多個神經元單元用于執行以下步驟依據學習參數對輸入數據進行加權求和，得到加權求和結果：計算輸入數據與學習參數的乘積；對各個乘積進行求和運算，得到加權求和結果。

可選地，多層神經網絡中第一層神經網絡與輸入層全連接。

可選地，存儲器包括以下至少之一：寄存器單元、靜態存儲器、動態存儲器。

在本發明實施例中，采用控制器生成學習參數，并根據學習參數調整多個神經元單元之間的連接關系；存儲器存儲輸入數據、學習參數以及連接關系；多個神經元單元基于連接關系，根據學習參數對輸入數據進行神經元運算，并輸出運算結果的方式，通過控制器根據學習參數調整多個神經元單元之間的連接關系，在下一輪運算中采用調整后的連接關系，達到了簡化神經網絡連接結構的目的，從而實現了提高人工神經網絡運算速度的技術效果，進而解決了由于人工神經網絡的連接結構復雜導致的系統功耗較高的技術問題。

附圖說明

此處所說明的附圖用來提供對本發明的進一步理解，構成本申請的一部分，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中：

圖1是根據本發明實施例的一種可選的人工神經網絡運算電路的結構示意圖；

圖2是根據本發明實施例的另一種可選的人工神經網絡運算電路的結構示意圖；

圖3是根據本發明實施例的一種可選的神經元運算的結構示意圖；

圖4是根據本發明實施例的又一種可選的人工神經網絡運算電路的結構示意圖；

圖5是根據本發明實施例的又一種可選的人工神經網絡運算電路的結構示意圖；

圖6是根據本發明實施例的又一種可選的人工神經網絡運算電路的結構示意圖。

具體實施方式