復合模式神經元信息處理方法和系統技術方案

本發明專利技術涉及一種復合模式神經元信息處理方法和系統，所述方法包括：讀取神經元工作模式配置參數，所述神經元工作模式配置參數包括人工神經元工作模式配置參數或脈沖神經元工作模式配置參數；根據所述神經元工作模式配置參數，配置當前神經元工作模式；接收前端神經元輸出信息；讀取當前神經元信息；根據所述前端神經元輸出信息和所述當前神經元信息，計算當前神經元輸出信息；輸出所述當前人工神經元輸出信息或所述當前脈沖神經元輸出信息。本發明專利技術在同一架構下，同時支持人工神經網絡和脈沖神經網絡，豐富類腦計算平臺的處理信息類型，降低了不同神經網絡工作模式下多任務執行的成本，并提高了不同神經網絡工作模式下的多任務的執行效率。

Composite mode neuron information processing method and system

The invention relates to a composite pattern of neuronal information processing method and system, the method includes: reading the configuration parameters of neurons, the neuronal configuration parameters include artificial neuron configuration parameters or neurons configuration parameters; according to the configuration parameters of neurons, neurons receiving configuration of the current working mode; the front end outputs information; read the current neuron information; according to the front end of the neuron output information and the information of the neurons, calculate the output information of the output neurons; the current neural output information or the information of the current pulse output neurons. The present invention in the same framework, while supporting the artificial neural network and impulsive neural network, rich class of brain information processing platform of the type of calculation, reduces the multi task execution different neural network mode of operation cost, and improve the multi task execution efficiency of different neural network mode.

【技術實現步驟摘要】
復合模式神經元信息處理方法和系統
本專利技術涉及人工神經網絡
，特別是涉及復合模式神經元信息處理方法和系統。
技術介紹
如今的人工神經網絡研究絕大多數仍是在馮·諾依曼計算機軟件并搭配高性能GPGPU(GeneralPurposeGraphicProcessingUnits通用圖形處理單元)平臺中實現的，整個過程的硬件開銷、能耗和信息處理速度都不容樂觀。為此，近幾年神經形態計算領域迅猛發展，即采用硬件電路直接構建神經網絡從而模擬大腦的功能，試圖實現大規模并行、低能耗、可支撐復雜模式學習的計算平臺。然而，傳統的神經形態系統的神經元局限于支持單一的信息處理和傳輸模式：人工神經網絡或脈沖神經網絡，從而導致單個任務的神經網絡構建成本高，多個任務的神經網絡執行效率低。
技術實現思路
基于此，有必要針對需要為不同神經網絡工作模式下的任務，構建不同工作模式的神經網絡的問題，提供一種復合模式神經元信息處理方法和系統，所述方法包括：讀取神經元工作模式配置參數，所述神經元工作模式配置參數包括人工神經元工作模式配置參數或脈沖神經元工作模式配置參數；根據所述神經元工作模式配置參數，配置當前神經元工作模式，所述當前神經元工作模式包括人工神經元工作模式或脈沖神經元工作模式；接收前端神經元輸出信息，所述前端神經元輸出信息包括前端人工神經元輸出信息或前端脈沖神經元輸出信息；讀取當前神經元信息，所述當前神經元信息包括當前人工神經元信息或當前脈沖神經元信息；根據所述前端神經元輸出信息和所述當前神經元信息，計算當前神經元輸出信息，包括根據所述前端人工神經元輸出信息和所述當前人工神經元信息，計算當前人工神經元輸出信息，或根據所述前端脈沖神經元輸出信息和所述當前脈沖神經元信息，計算當前脈沖神經元輸出信息；輸出所述當前人工神經元輸出信息或所述當前脈沖神經元輸出信息。在其中一個實施例中，所述前端人工神經元輸出信息包括：前端人工神經元輸出的膜電位信息、前端人工神經元與當前人工神經元的連接權重索引；所述當前人工神經元信息包括：當前人工神經元偏置信息；則所述根據所述前端人工神經元輸出的膜電位信息和所述當前人工神經元信息，計算當前人工神經元輸出信息，包括：根據所述前端人工神經元與當前人工神經元的連接權重索引，讀取前端人工神經元與當前人工神經元的連接權重；根據所述前端人工神經元輸出的膜電位信息、所述前端人工神經元與當前人工神經元的連接權重、所述當前人工神經元偏置信息，通過預設的人工神經元激活函數，計算當前人工神經元輸出信息。在其中一個實施例中，在根據所述前端人工神經元輸出的膜電位信息、所述前端人工神經元與當前人工神經元的連接權重、所述當前人工神經元偏置信息，通過預設的人工神經元激活函數，計算當前人工神經元輸出信息的步驟之后，所述方法還包括：讀取電位極值，以及與所述電位極值對應的極值神經元標識；將所述當前人工神經元輸出信息和所述電位極值進行比較，若所述當前人工神經元輸出信息大于或等于所述電位極值，則將所述電位極值更新為所述當前人工神經元輸出信息，并將所述極值神經元標識更新為當前人工神經元的標識。在其中一個實施例中，所述輸出所述當前人工神經元輸出信息，包括：讀取第一發放使能標識，所述第一發放使能標識包括允許發放數據或不允許發放數據；當所述第一發放使能標識為允許發放數據時，讀取人工神經元發放數據類型參數，所述人工神經元發放數據類型包括：發放所述當前人工神經元輸出信息、發放所述電位極值、發放所述電位極值對應的極值神經元標識其中的一種；根據所述人工神經元發放數據類型參數，確定所述當前人工神經元最終輸出信息；輸出所述當前人工神經元最終輸出信息。在其中一個實施例中，所述前端脈沖神經元輸出信息包括：前端脈沖神經元輸出的脈沖尖端信息、前端脈沖神經元與當前脈沖神經元的連接權重索引；所述當前脈沖神經元信息包括：當前時間窗寬度、當前時間窗內脈沖尖端信息序列、歷史膜電位信息和膜電位泄漏信息；則根據所述前端脈沖神經元輸出信息和所述當前脈沖神經元信息，計算當前脈沖神經元輸出信息，包括：根據所述前端脈沖神經元與當前脈沖神經元的連接權重索引，讀取前端脈沖神經元與當前脈沖神經元的連接權重；根據所述前端脈沖神經元輸出的脈沖尖端信息，和所述當前時間窗內脈沖尖端信息序列，更新所述當前時間窗內脈沖尖端信息序列，獲取當前時間窗內脈沖尖端信息更新序列；根據所述當前時間窗寬度、所述當前時間窗內脈沖尖端信息更新序列，通過衰減函數計算前端脈沖神經元輸入信息；根據所述前端脈沖神經元輸入信息、所述前端脈沖神經元與當前脈沖神經元的連接權重、所述歷史膜電位信息、所述膜電位泄露信息，通過脈沖神經元計算模型，計算當前脈沖神經元輸出信息。在其中一個實施例中，在根據所述前端脈沖神經元輸入信息、所述前端脈沖神經元與當前脈沖神經元的連接權重、所述歷史膜電位信息、所述膜電位泄露信息，通過脈沖神經元計算模型，計算當前脈沖神經元輸出信息的步驟之后，在輸出所述當前脈沖神經元輸出信息的步驟之前，所述方法還包括：獲取閾值電位；將所述當前脈沖神經元輸出信息和所述閾值電位進行比較，根據比較結果確定發放觸發標志信息，所述發放觸發標志信息包括：發放觸發或發放不觸發；當所述發放觸發標志信息為發放觸發時，復位不應期計時器，并更新所述歷史膜電位信息為預設的復位膜電位信息。在其中一個實施例中，在將所述當前脈沖神經元輸出信息和所述閾值電位進行比較，根據比較結果確定發放觸發標志信息的步驟之后，所述方法還包括：當所述發放觸發標志信息為發放不觸發時，讀取不應期寬度和不應期計時器的當前時間步；根據所述不應期寬度和所述不應期計時器的當前時間步，判斷當前時間是否在不應期內，若當前時間在所述不應期內，將所述不應期計時器累加計時一個時間步，不更新所述歷史膜電位信息；若當前時間不在所述不應期內，將所述不應期計時器累加計時一個時間步，并更新所述歷史膜電位信息為所述當前脈沖神經元輸出信息。在其中一個實施例中，所述獲取閾值電位，包括：讀取隨機閾值掩模電位、閾值偏置和隨機閾值；將所述隨機閾值和所述隨機閾值掩模電位進行按位與操作，獲取閾值隨機疊加量；根據所述閾值隨機疊加量和所述閾值偏置，確定所述閾值電位。在其中一個實施例中，所述輸出所述當前脈沖神經元輸出信息，包括：讀取第二發放使能標識，所述第二發放使能標識包括允許發放數據或不允許發放數據，當所述第二發放使能標識為允許發放數據時，讀取所述發放觸發標志信息，當所述發放觸發標志信息為發放觸發時；輸出所述當前脈沖神經元輸出信息。本專利技術提供的復合模式神經元信息處理方法，根據預設的神經元工作模式配置參數，配置相應的人工神經元工作模式，或脈沖神經元工作模式，并在相應的神經元工作模式下，通過接收前端神經元輸出信息，和讀取當前神經元信息，計算當前人工神經元輸出信息或當前脈沖神經元輸出信息，并進行輸出。本專利技術所提供的復合模式神經元信息處理方法，可以根據任務的需求，配置相應的神經元工作模式，在針對不同的神經網絡工作模式下的不同任務間切換時，只需要修改神經元工作模式配置參數即可，不同于僅僅支持人工神經網絡模式的神經網絡加速器方案，也不同于僅支持脈沖神經網絡的神經形態方案，本專利技術可以在同一架構下，同時支持以人工神經網絡模式為基礎的機器學習應用和以脈沖本文檔來自技高網...

【技術保護點】
一種復合模式神經元信息處理方法，其特征在于，所述方法包括：讀取神經元工作模式配置參數，所述神經元工作模式配置參數包括人工神經元工作模式配置參數或脈沖神經元工作模式配置參數；根據所述神經元工作模式配置參數，配置當前神經元工作模式，所述當前神經元工作模式包括人工神經元工作模式或脈沖神經元工作模式；接收前端神經元輸出信息，所述前端神經元輸出信息包括前端人工神經元輸出信息或前端脈沖神經元輸出信息；讀取當前神經元信息，所述當前神經元信息包括當前人工神經元信息或當前脈沖神經元信息；根據所述前端神經元輸出信息和所述當前神經元信息，計算當前神經元輸出信息，包括根據所述前端人工神經元輸出信息和所述當前人工神經元信息，計算當前人工神經元輸出信息，或根據所述前端脈沖神經元輸出信息和所述當前脈沖神經元信息，計算當前脈沖神經元輸出信息；輸出所述當前人工神經元輸出信息或所述當前脈沖神經元輸出信息。

【技術特征摘要】
1.一種復合模式神經元信息處理方法，其特征在于，所述方法包括：讀取神經元工作模式配置參數，所述神經元工作模式配置參數包括人工神經元工作模式配置參數或脈沖神經元工作模式配置參數；根據所述神經元工作模式配置參數，配置當前神經元工作模式，所述當前神經元工作模式包括人工神經元工作模式或脈沖神經元工作模式；接收前端神經元輸出信息，所述前端神經元輸出信息包括前端人工神經元輸出信息或前端脈沖神經元輸出信息；讀取當前神經元信息，所述當前神經元信息包括當前人工神經元信息或當前脈沖神經元信息；根據所述前端神經元輸出信息和所述當前神經元信息，計算當前神經元輸出信息，包括根據所述前端人工神經元輸出信息和所述當前人工神經元信息，計算當前人工神經元輸出信息，或根據所述前端脈沖神經元輸出信息和所述當前脈沖神經元信息，計算當前脈沖神經元輸出信息；輸出所述當前人工神經元輸出信息或所述當前脈沖神經元輸出信息。2.根據權利要求1所述的復合模式神經元信息處理方法，其特征在于：所述前端人工神經元輸出信息包括：前端人工神經元輸出的膜電位信息、前端人工神經元與當前人工神經元的連接權重索引；所述當前人工神經元信息包括：當前人工神經元偏置信息；則所述根據所述前端人工神經元輸出的膜電位信息和所述當前人工神經元信息，計算當前人工神經元輸出信息，包括：根據所述前端人工神經元與當前人工神經元的連接權重索引，讀取前端人工神經元與當前人工神經元的連接權重；根據所述前端人工神經元輸出的膜電位信息、所述前端人工神經元與當前人工神經元的連接權重、所述當前人工神經元偏置信息，通過預設的人工神經元激活函數，計算當前人工神經元輸出信息。3.根據權利要求2所述的復合模式神經元信息處理方法，其特征在于，在根據所述前端人工神經元輸出的膜電位信息、所述前端人工神經元與當前人工神經元的連接權重、所述當前人工神經元偏置信息，通過預設的人工神經元激活函數，計算當前人工神經元輸出信息的步驟之后，所述方法還包括：讀取電位極值，以及與所述電位極值對應的極值神經元標識；將所述當前人工神經元輸出信息和所述電位極值進行比較，若所述當前人工神經元輸出信息大于或等于所述電位極值，則將所述電位極值更新為所述當前人工神經元輸出信息，并將所述極值神經元標識更新為當前人工神經元的標識。4.根據權利要求3所述的復合模式神經元信息處理方法，其特征在于，所述輸出所述當前人工神經元輸出信息，包括：讀取第一發放使能標識，所述第一發放使能標識包括允許發放數據或不允許發放數據；當所述第一發放使能標識為允許發放數據時，讀取人工神經元發放數據類型參數，所述人工神經元發放數據類型包括：發放所述當前人工神經元輸出信息、發放所述電位極值、發放所述電位極值對應的極值神經元標識其中的一種；根據所述人工神經元發放數據類型參數，確定所述當前人工神經元最終輸出信息；輸出所述當前人工神經元最終輸出信息。5.根據權利要求1所述的復合模式神經元信息處理方法，其特征在于：所述前端脈沖神經元輸出信息包括：前端脈沖神經元輸出的脈沖尖端信息、前端脈沖神經元與當前脈沖神經元的連接權重索引；所述當前脈沖神經元信息包括：當前時間窗寬度、當前時間窗內脈沖尖端信息序列、歷史膜電位信息和膜電位泄漏信息；則根據所述前端脈沖神經元輸出信息和所述當前脈沖神經元信息，計算當前脈沖神經元輸出信息，包括：根據所述前端脈沖神經元與當前脈沖神經元的連接權重索引，讀取前端脈沖神經元與當前脈沖神經元的連接權重；根據所述前端脈沖神經元輸出的脈沖尖端信息，和所述當前時間窗內脈沖尖端信息序列，更新所述當前時間窗內脈沖尖端信息序列，獲取當前時間窗內脈沖尖端信息更新序列；根據所述當前時間窗寬度、所述當前時間窗內脈沖尖端信息更新序列，通過衰減函數計算前端脈沖神經元輸入信息；根據所述前端脈沖神經元輸入信息、所述前端脈沖神經元與當前脈沖神經元的連接權重、所述歷史膜電位信息、所述膜電位泄露信息，通過脈沖神經元計算模型，計算當前脈沖神經元輸出信息。6.根據權利要求5所述的復合模式神經元信息處理方法，其特征在于，在根據所述前端脈沖神經元輸入信息、所述前端脈沖神經元與當前脈沖神經元的連接權重、所述歷史膜電位信息、所述膜電位泄露信息，通過脈沖神經元計算模型，計算當前脈沖神經元輸出信息的步驟之后，在輸出所述當前脈沖神經元輸出信息的步驟之前，所述方法還包括：獲取閾值電位；將所述當前脈沖神經元輸出信息和所述閾值電位進行比較，根據比較結果確定發放觸發標志信息，所述發放觸發標志信息包括：發放觸發或發放不觸發；當所述發放觸發標志信息為發放觸發時，復位不應期計時器，并更新所述歷史膜電位信息為預設的復位膜電位信息。7.根據權利要求6所述的復合模式神經元信息處理方法，其特征在于，在將所述當前脈沖神經元輸出信息和所述閾值電位進行比較，根據比較結果確定發放觸發標志信息的步驟之后，所述方法還包括：當所述發放觸發標志信息為發放不觸發時，讀取不應期寬度和不應期計時器的當前時間步；根據所述不應期寬度和所述不應期計時器的當前時間步，判斷當前時間是否在不應期內，若當前時間在所述不應期內，將所述不應期計時器累加計時一個時間步，不更新所述歷史膜電位信息；若當前時間不在所述不應期內，將所述不應期計時器累加計時一個時間步，并更新所述歷史膜電位信息為所述當前脈沖神經元輸出信息。8.根據權利要求6所述的復合模式神經元信息處理方法，其特征在于，所述獲取閾值電位，包括：讀取隨機閾值掩模電位、閾值偏置和隨機閾值；將所述隨機閾值和所述隨機閾值掩模電位進行按位與操作，獲取閾值隨機疊加量；根據所述閾值隨機疊加量和所述閾值偏置，確定所述閾值電位。9.根據權利要求6所述的復合模式神經元信息處理方法，其特征在于，所述輸出所述當前脈沖神經元輸出信息，包括：讀取第二發放使能標識，所述第二發放使能標識包括允許發放數據或不允許發放數據，當所述第二發放使能標識為允許發放數據時，讀取所述發放觸發標志信息，當所述發放觸發標志信息為發放觸發時；輸出所述當前脈沖神經元輸出信息。10.一種復合模式神經元信息處理系統，其特征在于，包括：神經元工作模式讀取模塊，用于讀取神經元工作模式配置參數，所述神經元工作模式配置參數包括人工神經元工作模式配置參數或脈沖神經元工作模式配置參數；神經元工作模式配置模塊，用于根據所述神經元工作模式配置參數，配置當前神經元工作模式，所述當前神經元工作模式包括人工神經元工作模式或脈沖神經元工作模式；前端神經元...

【專利技術屬性】
技術研發人員：裴京，鄧磊，施路平，吳臻志，李國齊，
申請(專利權)人：清華大學，
類型：發明
國別省市：北京,11