一种融合人工神经网络与脉冲神经网络的处理器

技术特征：
1.一种融合人工神经网络与脉冲神经网络的处理器，包括共享存储单元、主控制器、ann学习控制电路、snn推理控制电路以及共享计算单元, 其特征在于：所述共享存储单元，用于储存外部模块提供数据和本处理器中其他模块产生的数据，以供后期调用；外部模块提供的数据包括神经网络权值数据、输入信号采样数据和外部标注好的标签数据；本处理器中其他模块产生的数据包括ann学习控制电路学习后得到的权值、ann和snn运算推理过程中得到的中间数据、snn的神经元阈值；其中，中间数据包含ann激活值、snn膜电位、snn输出脉冲；所述主控制器，根据实际场景需求控制整个处理器的运行状态：当在高准确率场景中监测时，通过控制ann学习控制电路的运算推理实现；当在低能耗场景中监测时，通过snn推理控制电路的运算推理实现；控制ann学习控制电路中的ann模型完成在线学习；所述ann学习控制电路，通过与共享计算单元、共享存储单元的交互完成ann推理与学习；从共享存储单元提取外部输入的神经网络权值数据和输入信号采样数据，同时接收外部标注好的标签数据，然后将这些数据提供给共享计算单元计算出用于更新ann的权值，根据该权值进行ann模型的更新以完成ann学习，得到分类结果以实现高准确率场景中的输入信号监测；学习后的权值作ann和snn的共用权值反馈至共享存储单元中；所述snn推理控制电路，具有与ann学习控制电路相同的网络结构；通过与共享计算单元、共享存储单元的交互完成snn推理；从共享存储单元提取外部输入的神经网络权值数据和输入信号采样数据给共享计算单元计算出用于更新snn的膜电位与输出脉冲，或从共享存储单元提取ann学习后的权值给共享计算单元计算出用于更新snn的膜电位与输出脉冲，从而得到分类结果，实现低能耗场景中的任务处理。2.根据权利要求1所述的一种融合人工神经网络与脉冲神经网络的处理器，其特征在于：所述snn推理控制电路中，从共享存储单元提取ann学习后的权值给共享计算单元计算的过程还包括权值转换，即根据ann学习后的权值微调snn神经元阈值的过程，具体为：将ann学习控制电路中采用ann模型学习得到的权值按照snn中if神经元的脉冲发放阈值，适应性缩放到snn的if神经元。3.根据权利要求1所述的一种融合人工神经网络与脉冲神经网络的处理器，其特征在于：所述权值转换采用了snn自动阈值调节的方法进行权值转换，以提升分类的准确性。4.根据权利要求1所述的一种融合人工神经网络与脉冲神经网络的处理器，其特征在于：上述处理器还包括编码器，所述编码器用于对外部输入的信号进行转换以得到直接用于snn的数据。5.根据权利要求1所述的一种融合人工神经网络与脉冲神经网络的处理器，其特征在于：所述共享计算单元包括softmax单元和乘加单元；softmax单元采用softmax计算器，使用浮点数表示；乘加单元使采用多功能乘加累加器，使用定点数表示。

技术总结
本发明公开了一种融合人工神经网络与脉冲神经网络的处理器，属于人工智能硬件领域。本发明包括共享存储单元、主控制器、ANN学习控制电路、SNN推理控制电路以及共享计算单元；将ANN学习控制电路输出的权值作为SNN推理控制电路的权值来实现两个神经网络的融合，使该处理器具备高准确率场景下和低功耗环境下两种工作模式。使用时，根据实际场景需求，通过主控制器控制ANN学习控制电路或SNN推理控制电路进行推理，解决了现有的基于神经网络进行信号分类处理无法适用于复杂多变的处理场景的问题，同时提升了低功耗环境下输入监测的准确率。率。率。


技术研发人员：周军 张兆民 夏子寒 毛睿昕 李思旭
受保护的技术使用者：电子科技大学
技术研发日：2022.06.17
技术公布日：2022/7/22