由于传统的互补金属-氧化物-半导体(Complementary Metal Oxide Semiconductor,CMOS)神经元电路与生物学的契合性较差且电路复杂,提出了一种基于忆阻器的多端口输入的泄露-整合-激发(Leaky-Integrate-Fire,LIF)神经元电路。该电路由运...由于传统的互补金属-氧化物-半导体(Complementary Metal Oxide Semiconductor,CMOS)神经元电路与生物学的契合性较差且电路复杂,提出了一种基于忆阻器的多端口输入的泄露-整合-激发(Leaky-Integrate-Fire,LIF)神经元电路。该电路由运放、逻辑门等器件以及忆阻器构成,主要分为信号叠加模块和神经元信号产生模块。通过施加多个双尖峰脉冲信号并调节输入信号的数量和频率,模拟了生物神经元受到的不同程度刺激。研究发现施加到神经元上信号的数量和频率达到一定的值,神经元电路才会输出电压信号,这与生物体中只有受到一定程度的刺激时才会做出反应的现象是一致的。进一步,调节该电路中神经元信号产生模块的阈值电压大小,研究发现输入相同的信号,只有当电路的阈值电压较低时,神经元电路才能输出电压信号,这与生物中不同部位受到相同的刺激,神经元兴奋程度越高,越容易做出反应的现象一致。由此,该文所提出的LIF神经元电路不仅解决了传统电路输入信号单一、输入信号波形与生物信号波形差异大等问题,而且能模拟生物神经元的兴奋程度,这为人工神经网络的设计提供理论依据。展开更多
为了提高表情识别率并降低表情识别的功耗,提出一种基于改进深度残差网络的表情识别方法。残差学习在解决深度卷积神经网络退化问题、使网络层次大幅加深的同时,进一步增加了网络的功耗。为此,引入具有生物真实性的激活函数来代替已有...为了提高表情识别率并降低表情识别的功耗,提出一种基于改进深度残差网络的表情识别方法。残差学习在解决深度卷积神经网络退化问题、使网络层次大幅加深的同时,进一步增加了网络的功耗。为此,引入具有生物真实性的激活函数来代替已有的整流线性单元(Rectified Linear Units,ReLU)函数,并将其作为卷积层激活函数对深度残差网络进行改进。该方法不仅提高了残差网络的精度,而且训练出的网络权重可直接作为与该深度残差网络具有相同结构的深度脉冲神经网络的权重。将该深度脉冲神经网络部署在类脑硬件上时,其能够以较高的识别率和较低的能耗进行表情识别。展开更多
文摘由于传统的互补金属-氧化物-半导体(Complementary Metal Oxide Semiconductor,CMOS)神经元电路与生物学的契合性较差且电路复杂,提出了一种基于忆阻器的多端口输入的泄露-整合-激发(Leaky-Integrate-Fire,LIF)神经元电路。该电路由运放、逻辑门等器件以及忆阻器构成,主要分为信号叠加模块和神经元信号产生模块。通过施加多个双尖峰脉冲信号并调节输入信号的数量和频率,模拟了生物神经元受到的不同程度刺激。研究发现施加到神经元上信号的数量和频率达到一定的值,神经元电路才会输出电压信号,这与生物体中只有受到一定程度的刺激时才会做出反应的现象是一致的。进一步,调节该电路中神经元信号产生模块的阈值电压大小,研究发现输入相同的信号,只有当电路的阈值电压较低时,神经元电路才能输出电压信号,这与生物中不同部位受到相同的刺激,神经元兴奋程度越高,越容易做出反应的现象一致。由此,该文所提出的LIF神经元电路不仅解决了传统电路输入信号单一、输入信号波形与生物信号波形差异大等问题,而且能模拟生物神经元的兴奋程度,这为人工神经网络的设计提供理论依据。
文摘为了提高表情识别率并降低表情识别的功耗,提出一种基于改进深度残差网络的表情识别方法。残差学习在解决深度卷积神经网络退化问题、使网络层次大幅加深的同时,进一步增加了网络的功耗。为此,引入具有生物真实性的激活函数来代替已有的整流线性单元(Rectified Linear Units,ReLU)函数,并将其作为卷积层激活函数对深度残差网络进行改进。该方法不仅提高了残差网络的精度,而且训练出的网络权重可直接作为与该深度残差网络具有相同结构的深度脉冲神经网络的权重。将该深度脉冲神经网络部署在类脑硬件上时,其能够以较高的识别率和较低的能耗进行表情识别。
