忆阻器突触电路、人工神经元、由此构成的神经网络系统的制作方法

本技术属于人工智能，尤其涉及一种忆阻器突触电路、人工神经元、由此构成的神经网络系统。

背景技术：

1、人类大脑包括数千亿个神经元，这些神经元广大地相互连接形成复杂的神经网络。神经元提供与学习和记忆相关的智能能力。神经元利用它们的突触与神经网络中数千个其他神经元交换信号。因此，神经元是跨神经网络进行数据传输的结构和功能基础单元。突触是指两个神经元之间的连接处，在该连接处第一神经元的轴突和第二神经元的树突彼此靠近，以便交换信号。单个神经元通常通过突触与数千个其他神经元相连。

2、随着互联网技术的普及，人类生活的方方面面都发生了很大变化，并随时随地产生大量数据。而对这些数据的利用和处理催生了人工智能的发展。现有阶段中各种大数据模型、神经网络算法、深度学习各种方法层出不穷，现有的计算机设备采用存储器和运算器分离的传统冯诺依曼计算架构，大量的数据在总线上进行来回搬运，使得计算速度无法得到进一步的提升，从而在如今依靠大数据计算的人工智能时代显示出明显的不足。

3、为了解决数据与计算的矛盾，人们提出了一些新型的计算范式，包括量子计算、存内计算和类脑计算等等。其中的类脑计算，借鉴了人类大脑的计算特点，通过模拟神经元单元，对大量的数据进行高效并行的处理。基于人工神经网络的深度学习技术在近年来取得快速的发展，并在智能安防、智能家居、智慧医疗、智慧交通等诸多领域产生很大的使用价值。目前人工神经网络底层大多使用基于乘法和加法的神经元，输入信号经过加权求和之后，再经过非线性激活层产生输出信号。现有的人工神经网络的底层人工神经元没有激励和抑制机制，导致无法完美实现智能系统，以使自己适应未知的环境。本发明因此而来。

技术实现思路

1、本技术实施例提供一种忆阻器突触电路、人工神经元、由此构成的神经网络系统，能够实现人工神经元的激励和抑制，快速筛选出脉冲信号，进一步减少存储资源消耗，可以通过激励信号和抑制信号修改脉冲信号的突触权重，具有很好的仿生性，可以得到较为满意的识别率。

2、第一方面，本技术实施例提供了一种忆阻器突触电路，其特征在于，包括：

3、信号传输模块，用于传输脉冲信号，脉冲信号由忆阻器的信号输入端进入所述忆阻器，由所述忆阻器的信号输出端输出；

4、激励/抑制模块，连接在所述忆阻器的两端，用于根据突触激励信号或者突触抑制信号产生在所述忆阻器两端施加相同或者相反的电荷；其中，当突触激励信号接入时，所述忆阻器的忆阻值降低；当突触抑制信号接入时，所述忆阻器的忆阻值增加。脉冲信号传输方向可以是脉冲信号的电流输出方向。

5、在一些可能的实施例中，所述信号传输模块包括忆阻器、用于控制脉冲信号传输的第一晶体管和第二晶体管；所述第一晶体管的第一端接入脉冲信号，所述第一晶体管的第二端连接忆阻器的信号输入端，其控制端连接输入控制信号；所述第二晶体管的第一端连接忆阻器的信号输出端，所述第二晶体管的第二端连接信号输出端，其控制端连接输出控制信号。第一端可以是源极，第二端可以是漏极。

6、在一些可能的实施例中，所述输出控制信号和输入控制信号为同一控制信号；所述第一晶体管和第二晶体管均为n型mos管或者均为p型mos管。

7、在一些可能的实施例中，所述激励/抑制模块包括恒定第一电压端和恒定第二电压端，所述恒定第一电压端通过激励信号晶体管连接忆阻器的信号输入端，所述忆阻器的信号输出端通过激励信号晶体管连接所述恒定第二电压端，在所述忆阻器两端施加突触激励信号；所述恒定第二电压端通过抑制信号晶体管连接忆阻器的信号输入端，所述忆阻器的信号输出端通过抑制信号晶体管连接所述恒定第一电压端，在所述忆阻器两端施加突触抑制信号；所述恒定第一电压端具有相对于所述恒定第二电压端更高的电压。

8、在一些可能的实施例中，所述抑制信号晶体管的控制端连接抑制控制信号，当施加抑制控制信号时，控制所述抑制信号晶体管的导通，在所述忆阻器两端施加突触抑制信号；所述激励信号晶体管的控制端连接激励控制信号，当施加激励控制信号时，在所述忆阻器两端施加突触激励信号。

9、在一些可能的实施例中，所述信号传输模块还包括与所述忆阻器的信号输出端连接的单向控制子模块，用于控制信号传输模块的正向偏置输出或者反向偏置输出。

10、在一些可能的实施例中，所述忆阻器突触电路为正向忆阻器突触电路，所述单向控制子模块为正向偏置二极管，所述正向偏置二极管的p端连接所述忆阻器的信号输出端，n端连接输出。

11、在一些可能的实施例中，所述忆阻器突触电路为反向忆阻器突触电路，所述单向控制子模块为反向偏置二极管，所述反向偏置二极管的n端连接所述忆阻器的信号输出端，p端连接输出。

12、第二方面，本技术实施例提供了一种人工神经元，其特征在于，所述人工神经元包括输入单元、存储计算单元、比较单元、输出单元；

13、其中输入单元包括若干个权利要求1～5任意一项所述的忆阻器突触电路，用于获取每个忆阻器突触电路上传输的脉冲输出信号；

14、存储计算单元包括存储模块和计算模块，所述存储模块与所述输入单元的每个忆阻器突触电路连接，用于存储忆阻器突触电路的脉冲输出信号；所述计算模块用于计算所述存储模块上存储的输入单元上所有忆阻器突触电路的脉冲输出信号，得到总输出信号；

15、比较单元，用于根据总输出信号和预设信号比较，判断输出单元中脉冲信号的控制导通；

16、输出单元，包括若干个所述的忆阻器突触电路，用于控制脉冲信号的正向偏置输出或者反向偏置输出。

17、在一些可能的实施例中，所述输入单元包括n个正向忆阻器突触电路和m个反向忆阻器突触电路，其中，n，m为整数，且不同时为零。

18、在一些可能的实施例中，当所述人工神经元为正向人工神经元时，所述输出单元为p个正向忆阻器突触电路；当所述人工神经元为负向人工神经元时，所述输出单元为q个反向忆阻器突触电路，其中，p，q为自然数。

19、第三方面，本技术实施例提供了一种神经网络系统，其特征在于，包括中枢模块和与中枢模块连接的信号传输链路，

20、其中中枢模块用于根据脉冲信号经信号传输链路输出后的传输结果，向信号传输链路中每个所述人工神经元发送神经元激励信号或者神经元抑制信号；

21、所述信号传输链路由x级所述的人工神经元依次级联而成，其中第一级人工神经元的输出单元输出脉冲信号，作为第二级人工神经元输入单元的脉冲信号输入，依次级联，最后一级人工神经元的输出单元输出脉冲信号到中枢模块，其中x为自然数；其中所述神经元激励信号或者神经元抑制信号能对人工神经元进行信号传输的增强或者抑制。

22、在一些可能的实施例中，所述信号传输链路为y条，其中任意一条所述信号传输链路由x级所述的人工神经元依次级联而成，其中第一级人工神经元的输出单元输出脉冲信号，作为第二级人工神经元输入单元的脉冲信号输入，依次级联，最后一级人工神经元的输出单元输出脉冲信号到中枢模块，其中x，y为自然数。

23、本技术提供一种忆阻器突触电路、人工神经元、由此构成的神经网络系统，通过激励信号和抑制信号对突触的脉冲信号进行增益或者抑制调控，实现大量脉冲信号数据的快速高效并行处理，以此构建的神经网络系统可以提供可观的智能分析、数据处理性能。