摘要：基于65 nm CMOS工艺设计了一种可用于脉冲神经网络系统的低功耗、高能效、结构紧凑的突触电路。突触电路采用开关电容电路结构,直接接收来自神经元电路的脉冲信号,根据脉冲时间依赖可塑性(stdp)学习规则调节突触权重,并实现了权重学习窗口的非对称性调节,使突触电路可以适应不同情况。仿真结果表明,突触电路耗能约为0.4 pJ/spike。

摘要：深度神经网络在实际应用中的局限性日益凸显,具备生物可解释性的类脑计算脉冲神经网络成为了人们研究的热点课题。应用场景的不确定性及复杂多样性给研究者提出了新的挑战,要求类似生物大脑组织具备多尺度架构的类脑计算脉冲神经网络,能够实现对多模态、不确定性信息的感知决策功能。文中主要介绍了多尺度生物合理性的类脑计算脉冲神经网络模型及其面向多模态信息表征和不确定信息感知的学习算法,并分析探讨了基于忆阻器互联的脉冲神经网络可实现多尺度架构类脑计算的两个关键技术问题,即多模态、不确定信息与脉冲时序表示一致性问题和多尺度脉冲神经网络学习算法与容错计算问题。最后,对类脑计算脉冲神经网络的研究方向进行了分析与展望。

摘要：本文为了解决室内摄像头在黑暗环境中遭遇光照会出现曝光过度,拍摄画面出现空白这一问题,设计了基于记忆电阻实现的自适应反射弧结构,通过声音识别传感器来处理声音,然后把经过处理的信号通过stdp算法进行学习分析,最终输出电信号来调整摄像头的光圈大小,从而在一定程度上解决了拍摄光圈调整滞后的问题,增加了画面的稳定程度,减小了对于摄像头的耗损程度。

摘要：脉冲神经网络(SNN)称为第三代神经网络,源于神经科学是最接近人脑的信息计算方式。信息存储不再是某个处理单元实现,信息在网络中传播完成并行式的运行模式,计算和存储融为一体。SNN冲破了神经网络的阈值或sigmoid单元,基于动力学脉冲驱动,发展了具有指数模式记忆能力适应能力强的新模型。本文主要基于脉冲响应神经元模型(SRM)发展了更接近人脑动力学特型的新型SRM并结合了脉冲编码形式,应用最贴近大脑的学习机制stdp,以非监督学习为主要算法对,结合对网络拓扑的设计。通过训练以及输出神经元的脉冲,发现网络具有图像认知,分类,描述等特性。提出了SNN的应用前景以及几种仿真架构。