[發明專利]一種類腦神經網絡芯片

在審

• 申請號: 201910268518.6
• 申請日: 2019-04-04
• 公開（公告）號: CN109961140A
• 公開（公告）日: 2019-07-02
• 發明（設計）人: 張月
• 申請（專利權）人: 上海界世智能技術有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/04;G06N3/08;G06F16/35
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種類腦神經網絡芯片，包括中央處理模塊(1)、深度學習模塊(2)、知識庫(3)、數據分類模塊(4)、輸入模塊(5)、輸出模塊(6)和存儲模塊(7)，其特征在于：所述中央處理模塊(1)的輸入端分別與所述深度學習模塊(2)、所述知識庫(3)、所述輸入模塊(5)和所述存儲模塊(7)的輸出端連接，所述中央處理模塊(1)的輸出端分別與所述深度學習模塊(2)、所述知識庫(3)、所述數據分類模塊(4)、所述輸出模塊(6)和所述存儲模塊(7)的輸入端連接，所述中央處理模塊(1)包括中央處理單元(8)和信息收發單元(9)，所述深度學習模塊(2)包括深度置信網絡(10)、卷積神經網絡(11)和長短期記憶網絡(12)。

2.根據權利要求1所述的一種類腦神經網絡芯片，其特征在于：所述知識庫(3)包括專家知識庫和共享知識庫。

3.根據權利要求1所述的一種類腦神經網絡芯片，其特征在于：所述存儲模塊(7)包括云存儲器、本地存儲器和存儲器控制器。

4.一種類腦神經網絡芯片的使用方法，其特征在于：包括以下步驟：

S1.通過所述輸入模塊(5)啟動芯片，所述中央處理模塊(1)接受指令，并將指令下達到各個模塊，所述知識庫(3)將知識數據輸送到所述中央處理模塊(1)，所述中央處理模塊(1)對獲取得到的知識數據進行向量化，得訓練文本向量，然后將所述訓練文本向量輸入到所述深度學習模塊(2)中，并構建模型訓練代價函數，再通過模型訓練代價函數對所述深度學習模塊(2)中進行訓練；

S2.所述深度學習模塊(2)對接收到的訓練文本向量和模型訓練代價函數進行整合，所述長短期記憶網絡(12)和所述深度置信網絡(10)或所述卷積神經網絡(11)通過模型訓練代價函數對訓練文本向量進行特征分層循環記憶訓練，得到訓練后的神經網絡；

S3.所述深度學習模塊(2)將步驟S2中所得的神經網絡傳送到所述中央處理模塊(1)，所述中央處理模塊(1)將所述神經網絡發送到所述數據分類模塊(4)，所述數據分類模塊(4)將所述神經網絡進行分類處理，并將分類的神經網絡數據發送給所述存儲模塊(7)，所述存儲模塊(7)將分類后的神經網絡進行存儲后發送到所述中央處理模塊(1)；

S4.通過所述輸入模塊(5)輸入搜索指令，所述中央處理模塊(1)將指令代入到分類后的神經網絡進行分類處理，根據相應的神經網絡進入所述知識庫(3)查找數據，查找并提取數據后，將提取的數據發送到所述輸出模塊(7)進行輸出。