[發(fā)明專(zhuān)利]一種面向物聯(lián)網(wǎng)的自然模擬信號(hào)的類(lèi)腦處理方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010625510.3
• 申請(qǐng)日: 2020-07-01
• 公開(kāi)（公告）號(hào): CN111753975A
• 公開(kāi)（公告）日: 2020-10-09
• 發(fā)明（設(shè)計(jì)）人: 褚皓明;鄒卓;梁龍飛;閆鈺龍;鄭立榮;環(huán)宇翔
• 申請(qǐng)（專(zhuān)利權(quán)）人: 復(fù)旦大學(xué);上海新氦類(lèi)腦智能科技有限公司
• 主分類(lèi)號(hào): G06N3/063
• 分類(lèi)號(hào): G06N3/063;G06N3/04
• 代理公司: 北京盛凡智榮知識(shí)產(chǎn)權(quán)代理有限公司 11616
• 代理人: 趙芳蕾

本發(fā)明公開(kāi)了一種面向物聯(lián)網(wǎng)的自然模擬信號(hào)的類(lèi)腦處理方法，涉及類(lèi)腦人工智能技術(shù)領(lǐng)域，包括：將自然模擬信號(hào)經(jīng)由多個(gè)傳感器轉(zhuǎn)化為多個(gè)電路可處理的模擬電信號(hào)；將所述模擬電信號(hào)通過(guò)多個(gè)電?脈沖轉(zhuǎn)換器轉(zhuǎn)換成多個(gè)在時(shí)域上的離散脈沖序列；將所述離散脈沖序列經(jīng)過(guò)脈沖序列?SUN接口處理后進(jìn)入到脈沖神經(jīng)網(wǎng)絡(luò)中的輸入神經(jīng)元，并在網(wǎng)絡(luò)中進(jìn)行處理與計(jì)算，得處理后結(jié)果并輸出。本發(fā)明中直接由LC?ADC產(chǎn)生脈沖序列，即以表示信號(hào)變化的事件驅(qū)動(dòng)脈沖神經(jīng)網(wǎng)絡(luò)，和傳統(tǒng)的傳感器接口相比，不使用量化直接作用于脈沖神經(jīng)網(wǎng)絡(luò)處理單元，以實(shí)現(xiàn)在物聯(lián)網(wǎng)中低功耗處理信號(hào)的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及類(lèi)腦人工智能技術(shù)領(lǐng)域，尤其是一種面向物聯(lián)網(wǎng)的自然模擬信號(hào)的類(lèi)腦處理方法。

背景技術(shù)

近年來(lái)，神經(jīng)網(wǎng)絡(luò)的研究取得了飛速發(fā)展，并且在生產(chǎn)生活中得到了廣泛應(yīng)用，甚至在很多領(lǐng)域都取得了令人矚目的突破。但目前的神經(jīng)網(wǎng)絡(luò)，包括現(xiàn)在應(yīng)用最為廣泛的卷積神經(jīng)網(wǎng)絡(luò)(CNN)，其實(shí)在生物學(xué)上是不精確的，并不能模仿生物大腦神經(jīng)元的運(yùn)作機(jī)制。而下一代神經(jīng)網(wǎng)絡(luò)——脈沖神經(jīng)網(wǎng)絡(luò)(SNN)，用最擬合生物神經(jīng)元機(jī)制的模型來(lái)搭建網(wǎng)絡(luò)并進(jìn)行計(jì)算，和現(xiàn)有的神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)和原理上有著根本的不同。脈沖神經(jīng)網(wǎng)絡(luò)使用脈沖來(lái)作為傳遞信息的載體，但相比于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)，這種在時(shí)間上離散的脈沖序列卻恰恰攜帶了時(shí)間維度上的信息，增強(qiáng)了處理時(shí)空信息的能力，更接近于真實(shí)世界中的感觀(guān)數(shù)據(jù)的處理。

在脈沖神經(jīng)網(wǎng)絡(luò)中，每個(gè)神經(jīng)元都是一個(gè)處理單元，處于網(wǎng)絡(luò)入口處的輸入神經(jīng)元接收的輸入信號(hào)形式是時(shí)域上的脈沖序列，網(wǎng)絡(luò)包括多個(gè)輸入神經(jīng)元，同時(shí)接收多個(gè)脈沖序列的輸入，每個(gè)脈沖僅表示在此時(shí)間點(diǎn)有脈沖信號(hào)，脈沖并無(wú)幅值大小之分。

電平交叉模數(shù)轉(zhuǎn)換器(LC-ADC)是一種非均勻采樣方式進(jìn)行無(wú)時(shí)鐘采樣的ADC。傳統(tǒng)ADC是基于奈奎斯特采樣定律，依賴(lài)固定時(shí)鐘信號(hào)在時(shí)間上等間隔采樣并量化，而LC-ADC是在輸入信號(hào)的電平越過(guò)預(yù)先定義的量化閾值時(shí)，產(chǎn)生脈沖，根據(jù)脈沖序列的排列便可以還原出原始信號(hào)的波形，而當(dāng)輸入處于靜息期，變化幅度很小，不超過(guò)預(yù)定的電壓范圍時(shí)，就不發(fā)生采樣行為。LC-ADC的采樣是一種基于事件驅(qū)動(dòng)的非均勻采樣，會(huì)根據(jù)輸入信號(hào)的活躍程度來(lái)確定采樣速率，僅在信號(hào)變化劇烈時(shí)進(jìn)行密集采樣，根據(jù)信號(hào)情況實(shí)時(shí)調(diào)整采樣率，從而避免了在信號(hào)靜息階段的冗余采樣，從而降低系統(tǒng)整體的功耗，并減少了數(shù)據(jù)處理與傳輸過(guò)程中的壓力，非常適用于對(duì)具有稀疏性質(zhì)的信號(hào)的采集。

在物聯(lián)網(wǎng)的諸多應(yīng)用中，包括智能家居、智能醫(yī)療、智慧交通、智慧農(nóng)業(yè)等，均需要用到聲音檢測(cè)、運(yùn)動(dòng)檢測(cè)等技術(shù)，其信號(hào)常常具有突發(fā)性的特點(diǎn)，可長(zhǎng)時(shí)間維持在變化微弱的靜息狀態(tài)，只在短時(shí)間內(nèi)變化劇烈，具有強(qiáng)烈的稀疏性，物聯(lián)網(wǎng)設(shè)備通常是基于事件驅(qū)動(dòng)開(kāi)始工作的，這種突發(fā)性與稀疏性的特征與LC-ADC的工作原理十分契合。

現(xiàn)有人工智能應(yīng)用主要依賴(lài)于云端計(jì)算，而對(duì)于能量受限的無(wú)人設(shè)備和物聯(lián)網(wǎng)終端等領(lǐng)域，大量計(jì)算所需的功耗是主要的限制因素。深度神經(jīng)網(wǎng)絡(luò)處理器如何滿(mǎn)足物聯(lián)網(wǎng)終端的能效需求，已經(jīng)成為一個(gè)亟待突破的關(guān)鍵技術(shù)。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提出一種面向物聯(lián)網(wǎng)的自然模擬信號(hào)的類(lèi)腦處理方法，針對(duì)自然模擬信號(hào)在時(shí)域上具有稀疏特性的特點(diǎn)，設(shè)計(jì)提出的一種基于自然模擬信號(hào)的類(lèi)腦處理方法，采用一種基于事件驅(qū)動(dòng)的非均勻采樣LC-ADC，將模擬信號(hào)轉(zhuǎn)換為脈沖序列，并在電路中對(duì)脈沖序列進(jìn)行時(shí)間精度調(diào)整與序列切割、分段、處理，最終輸入一種使用離散的脈沖序列來(lái)傳遞信息的脈沖神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)以低功耗代價(jià)產(chǎn)生特定輸出，用于生產(chǎn)生活的后續(xù)處理與應(yīng)用。

為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供以下技術(shù)方案：

一種面向物聯(lián)網(wǎng)的自然模擬信號(hào)的類(lèi)腦處理方法，其特征在于：包括如下步驟：

步驟(1)將自然模擬信號(hào)經(jīng)由多個(gè)傳感器轉(zhuǎn)化為多個(gè)電路可處理的模擬電信號(hào)；

步驟(2)將所述模擬電信號(hào)通過(guò)多個(gè)電-脈沖轉(zhuǎn)換器轉(zhuǎn)換成多個(gè)在時(shí)域上的離散脈沖序列；