检索结果-内蒙古大学图书馆

作者：孙国权浙江大学

学位级别：硕士

近几年来,深度学习算法快速发展,大规模的图像处理和迭代计算对硬件提出了新的要求。传统的计算机都是基于“冯诺依曼架构”设计,即数据在处理器和内存之间来回计算。这种架构适合数字运算和程序执行,但是并不适合处理图像、声音类信号... 详细信息

近几年来,深度学习算法快速发展,大规模的图像处理和迭代计算对硬件提出了新的要求。传统的计算机都是基于“冯诺依曼架构”设计,即数据在处理器和内存之间来回计算。这种架构适合数字运算和程序执行,但是并不适合处理图像、声音类信号。而人类的大脑却可以轻松地同步处理视觉、听觉和嗅觉等信号。通过研究人脑工作原理,学术界提出了一种不同于传统计算机架构的神经形态芯片,在处理图像和声音类信号方面有重大优势。为此,本文提出了一种模数混合超大规模脉冲型神经网络电路。本文先介绍了生物神经网络的原理和相应的电路模型,从理论上证明了神经网络电路设计的可行性,并根据应用的需求和电路自身的限制定义了芯片的内部结构。该芯片主要分为四个模块,神经元电路阵列、突触电路阵列、SRAM (Static Random Access Memory,静态随机存储器)存储单元阵列和AER (Address Event Representation)通信电路。其中,神经元电路阵列和突触电路阵列具有生物神经元和突触的时间特性,实现了脉冲频率可调,突触权重可配的功能。同时,通过改变突触电路和神经元电路的连接关系可以实现多种应用。利用AER电路,能够让芯片和微处理器通信,并通过更新SRAM单元中的突触权重值来研究不同种类的STDP (Spike-Timing Dependent Plasticity)学习算法的效果。该芯片采用了smic 180nm CMOS工艺,包含了总共32×32个SRAM单元,2×32个突触电路,32个I&F神经元电路和AER通信电路。仿真结果显示,该芯片的输出和软件算法的输出完全相同,表明设计的芯片符合预期的要求。

关键词：神经形态芯片神经元电路突触电路 SRAM AER通信协议突触权重值可编程

来源：评论

学校读者我要写书评

暂无评论

神经形态芯片测试方法研究

引用

信息技术与标准化 2023年第1期 31-36页

作者：陶梦蝶宋博伟李玉亮中国电子技术标准化研究院

介绍了神经形态芯片的发展现状和测试难点,重点研究了神经形态芯片关键指标的测试原理和测试方法,包含集成规模、功能和性能等,通过所研究的测试前置条件和测试方法,为制定通用的基准测试套件提供参考。

关键词：类脑计算神经形态芯片神经形态计算脉冲神经网络功能测试性能测试

来源：评论

学校读者我要写书评

暂无评论

纳电子学与神经形态芯片的新进展

引用

微纳电子技术 2018年第1期55卷 1-5页

作者：赵正平中国电子科技集团公司专用集成电路重点实验室

综述了纳电子学和神经形态芯片进入新世纪后所处发展阶段以及近两年的最新进展。在纳电子领域,综述并分析了当今集成电路的发展现状,包括鳍式场效应晶体管（Fin FET）的发展、10 nm节点的技术突破、7 nm和5 nm节点的前瞻性技术研究以及... 详细信息

综述了纳电子学和神经形态芯片进入新世纪后所处发展阶段以及近两年的最新进展。在纳电子领域,综述并分析了当今集成电路的发展现状,包括鳍式场效应晶体管（Fin FET）的发展、10 nm节点的技术突破、7 nm和5 nm节点的前瞻性技术研究以及三类后互补金属氧化物半导体（CMOS）器件（自旋电子器件、隧穿FET和碳纳米管栅的二维半导体Mo S2晶体管）的探索性研究,指出摩尔定律将沿着加强栅对沟道电子的控制（三栅和环栅）、更换高迁移率材料和采用新机理等技术路线继续前行。在神经形态芯片领域,综述并分析了神经形态芯片的发展历程、＂真北＂类脑芯片的技术创新和应用、当今嵌入式神经处理器的四个发展特点和采用新器件提高能量效率的探索。采用纳电子技术的神经形态芯片的发展将成为未来智能时代发展的基础。

关键词：纳电子学鳍式场效应晶体管(FinFET) 10 nm互补金属氧化物半导体(CMOS) 纳米线晶体管自旋电子学碳纳米管栅神经形态芯片类脑芯片神经形态处理器忆阻器

来源：评论

学校读者我要写书评

暂无评论

面向物端应用的轻量级三重类脑神经形态芯片设计

面向物端应用的轻量级三重类脑神经形态芯片设计

引用

作者：王海冰重庆大学

学位级别：硕士

人工智能物联网（Artificial Intelligence Internet of Things,AIOT）的快速发展使得物端计算在可穿戴设备等场景中得到广泛应用。为实现本地计算,减少数据传输带宽、降低响应延迟并保护用户隐私,需要开发轻量级、高精度的处理算法模... 详细信息

人工智能物联网（Artificial Intelligence Internet of Things,AIOT）的快速发展使得物端计算在可穿戴设备等场景中得到广泛应用。为实现本地计算,减少数据传输带宽、降低响应延迟并保护用户隐私,需要开发轻量级、高精度的处理算法模型和高吞吐量、高能量效率的专用硬件加速芯片。然而,受限于存算资源和能量供给,如何实时高效地处理海量视觉图像数据成为一项重要挑战。传统人工神经网络（Artificial Neural Network,ANN）模型由于需要密集的运算和大量的计算资源,存在功耗高、实时性差等问题。相比之下,运行脉冲神经网络（Spiking Neural Network,SNN）模型的神经形态类脑芯片通过处理稀疏的脉冲信息,具有低计算复杂度和高能量效率等优势。在现有类脑芯片研究中,一类是面向大型仿真平台和计算中心,采用通用处理器众核架构来支持大规模脉冲神经网络,但无法满足实时性要求高、有面积资源成本约束和能量供给限制的物端场景;另一类是针对特定应用、单一神经元模型、中小网络结构的轻量级类脑芯片,但图像识别率很低。本论文针对上述类脑芯片中存在的关键科学问题进行研究,提出了高仿生、高识别率、低复杂度的轻量级SNN模型及其相应片上学习算法,并设计了一款架构紧凑、支持高速片上学习的物端类脑芯片。论文的主要贡献包括:（1）研究提出了脑启发的轻量级三重类脑（Triple Brain）高效学习算法。（2）研究提出了一种规模可拓展的神经形态“三脑”芯片架构及其电路模块,支持片上实时高效运行Triple Brain学习算法。（3）完成了高帧率、细粒度流水的“三脑”芯片FPGA原型功能验证,训练和推理帧率分别高达1349和2698帧/秒,在MNIST、ETH-80、ORL-10、Yale-10、N-MNIST、Poker-DVS以及Posture-DVS数据集上分别获得了95.10%、80.89%、100%、94.94%、82.32%、100%和97.93%的高识别率,且在Zynq-7045 FPGA芯片上仅仅消耗7.59%的逻辑资源,3.56%的数字信号处理器（Digital Signal Processor,DSP）资源和24.04%的块存储器（Block RAM,BRAM）资源。（4）采用依概率随机舍入的近似计算机制,进一步优化了片上存储资源需求,最终基于台积电65nm CMOS工艺流片实现了ASIC原型芯片,芯片总面积为7.6 mm2,其中内核面积仅为4.68 mm2,支持最大256个神经元,256K突触,在100 MHz时钟频率下,功耗仅为47 m W,学习和推理帧率分别为143和331帧/秒,且达到了1.04 nJ/SOP和0.44 nJ/SOP的较高能量效率。

关键词：脉冲神经网络脉冲时间依赖可塑性自组织映射强化学习神经形态芯片

来源：评论

学校读者我要写书评

暂无评论

神经形态芯片发展报告

神经形态芯片发展报告

引用

作者：张倩

神经形态芯片指可模拟人类大脑处理方式的芯片，在人工智能快速发展的巨大需求下获得各国重视，并取得丰硕成果。神经形态芯片将提供大数据处理能力和更多智能化应用，再次激发已经成熟的微电子器件产业，对商业、科学和政府都将带来巨... 详细信息

神经形态芯片指可模拟人类大脑处理方式的芯片，在人工智能快速发展的巨大需求下获得各国重视，并取得丰硕成果。神经形态芯片将提供大数据处理能力和更多智能化应用，再次激发已经成熟的微电子器件产业，对商业、科学和政府都将带来巨大的影响。

关键词：高通 IBM 神经形态芯片电子突触

来源：评论

学校读者我要写书评

暂无评论

IBM新一代神经形态芯片的设计理念

引用

阴山学刊（自然科学版） 2012年第1期26卷 5-9页

作者：李建中包头师范学院学报编辑部内蒙古包头014030

芯片以脉冲激发神经网络算法为原型设计,遵循生物神经元的脉冲时序依赖可塑性学习规则。它具有256个神经元,64K(256×256)个2进制突触,神经元承担运算,相当于CPU,突触由SRAM组成,相当于神经网络的连接权重矩阵。CPU与SRAM高度整合,... 详细信息

芯片以脉冲激发神经网络算法为原型设计,遵循生物神经元的脉冲时序依赖可塑性学习规则。它具有256个神经元,64K(256×256)个2进制突触,神经元承担运算,相当于CPU,突触由SRAM组成,相当于神经网络的连接权重矩阵。CPU与SRAM高度整合,省略了通信总线。芯片的核心电路面积仅0.0025mm2。芯片不需要编程,通过配置参数可以执行多种神经网络算法。芯片的研发依赖于这几个方面:生物神经元的学习规律;由此导出的神经网络算法;CMOS材料和工艺;SRAM和CPU的电路设计。

关键词： IBM 神经形态芯片脉冲激发神经网络脉冲时序依赖可塑性 SRAM CPU

来源：评论

学校读者我要写书评

暂无评论

长短期记忆LSTM神经形态芯片设计的两步映射方法

引用

集成电路应用 2018年第7期35卷 14-17页

作者：何峰王冠睿裴京清华大学精密仪器系北京100084

长短期记忆(LSTM,Long Short-Term Memory)网络广泛应用于各个领域,天机系列芯片是的神经形态芯片。天机芯Ⅱ是最新版本,两步映射方法是研究LSTM网络到天机芯Ⅱ的映射工具链。LSTM网络计算比一般神经网络复杂,一般四步运算,映射到神经... 详细信息

长短期记忆(LSTM,Long Short-Term Memory)网络广泛应用于各个领域,天机系列芯片是的神经形态芯片。天机芯Ⅱ是最新版本,两步映射方法是研究LSTM网络到天机芯Ⅱ的映射工具链。LSTM网络计算比一般神经网络复杂,一般四步运算,映射到神经形态芯片也是四步,四步运算耗时很高,对于很多要求高速度的运算要求满足不了,如军工、金融等领域。为了提高速度满足高速度的人工智能中LSTM网络的需求,提出了一种两步LSTM网络的映射解决方案,进行了相关的计算推导,并在实验仿真平台进行了仿真验证。虽然Core资源开销是四步映射的几十、几百倍,但两步映射方法使得速度提高了一倍,在对速度要求高对硬件开销不高的领域,益处极大。

关键词：集成电路设计神经形态芯片长短期记忆两步映射

来源：评论

学校读者我要写书评

暂无评论

基于离子型忆阻器的神经形态系统:从材料、器件到芯片

引用

科学通报 2022年第11期67卷 1054-1071页

作者：温娟黄鹤鸣王哲郭新华中科技大学材料科学与工程学院材料成形与模具技术国家重点实验室武汉430074

现有的“冯·诺依曼”体系因其计算与存储分离的特点难以满足人工智能、物联网等新技术在能耗和速率方面的发展需求,而存算一体化的类脑计算方案有望突破这一瓶颈.忆阻器是一种新型微电子基础器件,其电阻可通过外界电场调节,而且忆... 详细信息

现有的“冯·诺依曼”体系因其计算与存储分离的特点难以满足人工智能、物联网等新技术在能耗和速率方面的发展需求,而存算一体化的类脑计算方案有望突破这一瓶颈.忆阻器是一种新型微电子基础器件,其电阻可通过外界电场调节,而且忆阻器在结构与功能上接近于生物大脑中的突触和神经元,利用其构建的忆阻神经网络具有小尺寸、高速和低能耗等优良特性,有助于实现更接近生物大脑的人工智能.本文对忆阻器领域近年来的研究进展进行了全面的综述:在材料层面,根据阻变机理介绍了忆阻器的不同类型;在器件层面,结合当前忆阻器的应用背景论述了基于离子型忆阻器的性能要求及优化措施;在系统层面,讨论了离子型忆阻器作为忆阻突触、忆阻神经元的应用,并进一步概述了忆阻神经网络的网络结构、学习算法和硬件实现,最后对基于离子型忆阻器的神经形态芯片所面临的挑战和未来前景进行了总结与展望.

关键词：忆阻器忆阻突触忆阻神经元忆阻神经网络神经形态芯片

来源：评论

学校读者我要写书评

暂无评论

面向神经形态计算的智能芯片与器件技术

引用

中国科学基金 2019年第6期33卷 656-662页

作者：王宗巍杨玉超蔡一茂朱涛丛杨王志衡黄如北京大学微纳电子学系北京大学人工智能研究院重庆大学光电工程学院中国科学院沈阳自动化研究所国家自然科学基金委员会信息科学部

基于第216期"双清论坛"关于人工智能芯片发展的主题报告和分组讨论,本文着重介绍了面向神经形态计算的智能芯片与器件技术的国内外主要研究进展及存在的挑战,包括人工神经网络加速器、基于传统CMOS的神经形态智能芯片、新型... 详细信息

基于第216期"双清论坛"关于人工智能芯片发展的主题报告和分组讨论,本文着重介绍了面向神经形态计算的智能芯片与器件技术的国内外主要研究进展及存在的挑战,包括人工神经网络加速器、基于传统CMOS的神经形态智能芯片、新型神经形态器件技术及基于新器件的神经形态芯片等内容,探讨了神经形态智能芯片面临的关键问题和未来发展趋势。

关键词：人工智能类脑计算神经形态芯片神经形态器件

来源：评论

学校读者我要写书评

暂无评论

物端神经形态类脑芯片设计综述

引用

微纳电子与智能制造 2022年第3期4卷 19-30页

作者：钟正青王腾霄刘力源吴南健田敏石匆重庆大学微电子与通信工程学院重庆400044 中国科学院半导体研究所北京100083

本文简述目前物端神经形态类脑芯片设计的研究现状,首先回顾了目前已发表的神经形态类脑芯片,总结了其特点和局限性,然后简要介绍了脉冲神经网络的基础知识,包括脉冲神经网络的经典神经元模型、网络拓扑结构以及仿生学习算法。接下来重... 详细信息

本文简述目前物端神经形态类脑芯片设计的研究现状,首先回顾了目前已发表的神经形态类脑芯片,总结了其特点和局限性,然后简要介绍了脉冲神经网络的基础知识,包括脉冲神经网络的经典神经元模型、网络拓扑结构以及仿生学习算法。接下来重点介绍了目前最新发表的片上实时强化学习物端类脑芯片、片上三重类脑学习物端类脑芯片、视觉压缩感知识别物端类脑芯片以及片上多层脉冲神经网络(spiking neural network,SNN)学习物端类脑芯片4款物端神经形态类脑芯片的算法优化方案、芯片架构和电路设计、以及现场可编程门阵列(field programmable gate array,FPGA)原型或实际制造芯片测试结果。所介绍的神经形态类脑芯片均具备片上实时学习功能,且在各类基准数据集上都实现了较高的识别准确率。同时,提出的芯片架构均为较低成本,能达到相对较高的处理速度,同时还具有较为灵活的可扩展性和可配置性,能够适用于不同的物端智能应用场景,为目前研究领域面临的挑战提供了可行的解决方案。最后指出了目前物端神经形态类脑芯片设计领域发展中的核心瓶颈,并介绍了初步的解决方案。未来将围绕这些方向开展研究,设计新一代高性能物端神经形态类脑芯片。

关键词：类脑芯片脉冲神经网络神经形态芯片片上学习类脑计算

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：