一种CNN动态可重构的联想记忆电路制造技术

本发明专利技术公开了一种CNN动态可重构的联想记忆电路，包括耦合的第1细胞神经元电路和第2细胞神经元电路，第1细胞神经元电路和第2细胞神经元电路的电路结构相同，均包括：外部信号输入端、模板参数控制端、记忆信号输出端和运算电路，运算电路与外部信号输入端、模板参数控制端和记忆信号输出端相连，用于对外部输入信号、模板A参数、模板B参数和偏置量参数进行运算操作，得到联想记忆结果。本发明专利技术能够实现多种记忆模板间动态转换，结构简单，易于超大规模电路实现，稳定性高。

A CNN dynamic reconfigurable associative memory circuit

The present invention discloses a kind of associative memory circuit dynamic reconfigurable CNN, including the coupling of first neurons and second neuron circuit circuit, the circuit structure of first neurons and second neuron circuit circuit are the same, including: the external signal input, die plate parameters control terminal, output signal and memory operation circuit the arithmetic circuit with an external signal input, the template parameter control terminal and the signal output end is connected to the memory, the external input signal, A template parameters, B template parameters and offset parameters of operation, the results of associative memory. The invention can realize dynamic conversion between a plurality of memory templates, has simple structure, is easy to realize in large scale circuits, and has high stability.

【技术实现步骤摘要】
一种CNN动态可重构的联想记忆电路
本专利技术属于联想记忆
，特别涉及了一种CNN动态可重构的联想记忆电路。
技术介绍
联想记忆是利用事物间的联系通过联想进行记忆的方法。在神经计算邻域，可描述为一种模拟人脑信息存储和回忆的机制，使得满足一定条件的检索探针能够寻找到一系列预先存储于系统中的标准模板。在传统的人工神经网络电路中,如Hopfield网络，神经元及其突触的搭建结构复杂，不便于VLSI的实现。细胞神经网络(CNN)是一种能实时、高速并行处理信号的大规模非线性模拟电路，易于超大规模电路(VLSI)的实现。采用细胞神经网络构建的电路，其逻辑行为由各神经元模板参数决定，也即是在维持电路拓扑结构不变的基础上，实现逻辑功能的重构。
技术实现思路
为了解决上述
技术介绍
提出的技术问题，本专利技术旨在提供一种CNN动态可重构的联想记忆电路，能够实现多种记忆模板间动态转换，结构简单，易于超大规模电路实现，稳定性高。为了实现上述技术目的，本专利技术的技术方案为：一种CNN动态可重构的联想记忆电路，所述联想记忆电路包括耦合的第1细胞神经元电路和第2细胞神经元电路，第1细胞神经元电路和第2细胞神经元电路的电路结构相同，均包括：外部信号输入端，用于接收外部输入信号；模板参数控制端，用于接收模板A参数、模板B参数和偏置量参数，通过改变这3个参数值，实现联想记忆电路在各种记忆模板之间进行动态转换；记忆信号输出端，用于输出联想记忆结果；运算电路，它分别与外部信号输入端、模板参数控制端和记忆信号输出端相连，用于对外部输入信号、模板A参数、模板B参数和偏置量参数进行运算操作，得到联想记忆结果。第1细胞神经元电路的输出信号反馈给第2细胞神经元电路，第2细胞神经元电路的输出信号反馈给第1细胞神经元电路。进一步地，所述运算电路根据如下稳定状态方程得到联想记忆的结果：上式中，ui为第i个细胞神经元电路的外部输入信号；bi为第i个细胞神经元电路的模板B参数；ai1,ai2为第i个细胞神经元电路的模板A参数；zi为第i个细胞神经元电路的偏置量参数；xi为第i个细胞神经元电路的系统状态变量；y(xi)为第i个细胞神经元电路的输出信号。进一步地，所述第i个细胞神经元电路的模板A参数ai1,ai2，i＝1,2，满足下列两个不等式组之一：or此时联想记忆电路的输出能够收敛于稳定值。进一步地，定义联想记忆电路的输入、输出电压的逻辑为-1和1，其中逻辑-1对应于逻辑0，逻辑1对应于逻辑1，所述记忆模板包括[1,1]、[1,-1]、[-1,1]、[-1,-1]4种，其中，记忆模板[1,1]的功能为，无论第1、第2细胞神经元电路的输入为何种逻辑组合，第1、第2细胞神经元电路的输出逻辑组合均为[1,1]，记忆模板[1,-1]的功能为，无论第1、第2细胞神经元电路的输入为何种逻辑组合，第1、第2细胞神经元电路的输出逻辑组合均为[1,-1]，记忆模板[-1,1]的功能为，无论第1、第2细胞神经元电路的输入为何种逻辑组合，第1、第2细胞神经元电路的输出逻辑组合均为[-1,1]，记忆模板[-1,-1]的功能为，无论第1、第2细胞神经元电路的输入为何种逻辑组合，第1、第2细胞神经元电路的输出逻辑组合均为[-1,-1]；当需要实现记忆模板[1,1]时，模板A参数、模板B参数和偏置量参数满足如下不等式组：当需要实现记忆模板[1,-1]时，模板A参数、模板B参数和偏置量参数满足如下不等式组：当需要实现记忆模板[-1,1]时，模板A参数、模板B参数和偏置量参数满足如下不等式组：当需要实现记忆模板[-1,-1]时，模板A参数、模板B参数和偏置量参数满足如下不等式组：进一步地，所述运算电路包括第一电源、第二电源、第一～第六运算放大器、第零～第二十电阻以及第一电容，第一运算放大器的反相输入端经第零电阻接入第1细胞神经元电路的输出反馈信号，第一运算放大器的反相输入端经第一电阻接入第2细胞神经元电路的输出反馈信号，第一运算放大器的反相输入端经所述第二电阻接入外部输入信号，第一运算放大器的反相输入端经所述第三电阻接入偏置量参数，第一运算放大器的同相输入端经第四电阻接地，第一运算放大器的反相输入端经第五电阻与第一运算放大器的输出端相连，第一运算放大器的反相输入端经第二十电阻与第五运算放大器的输出端相连，第一运算放大器的输出端经第六电阻与第二运算放大器的反相输入端相连，第二运算放大器的反相输入端经第一电容与第二运算放大器的输出端相连，第二运算放大器的输出端经第八电阻与第三运算放大器的反相输入端相连，第二运算放大器的输出端经第十三电阻与第四运算放大器的反相输入端相连，第二运算放大器的同相输入端经第七电阻接地，第三运算放大器的反相输入端经第九电阻与第三运算放大器的输出端相连，第三运算放大器的同相输入端经第十电阻接地，第三运算放大器的输出端经第十一电阻与第一运算放大器的反相输入端相连；第四运算放大器的输出端经第十二电阻与第四运算放大器的反相输入端相连，第四运算放大器的输出端经第十五电阻与第五运算放大器的反相输入端相连，第四运算放大器的同相输入端经第十四电阻接地，第五运算放大器的同相输入端经第十七电阻接地，第五运算放大器的输出端经第十六电阻与第五运算放大器的反相输入端相连，第五运算放大电路的同相输入端经第十八电阻与第六运算放大器的同相输入端相连，第六运算放大器的同相输入端经第十九电阻接地，第六运算放大器的输出端与第六运算放大器的反相输入端相连，第六运算放大器的输出端经第零电阻与第一运算放大器反相端相连；所述第一电源、第二电源均为直流电源，第一电源向第一～第六运算放大器提供正向偏置电源，第二电源向第一～第六运算放大器提供反向偏置电源。进一步地，第十三电阻与第十四电阻的阻值相等；第零电阻与第一电阻、第二电阻、第十电阻的阻值相等，且第零电阻的阻值是第十三电阻阻值的15倍，第三电阻与第五电阻、第八电阻、第九电阻、第十一电阻、第十八电阻、第十九电阻、第二十电阻的阻值相等，且第三电阻的阻值是第十三电阻阻值的30倍；第六电阻与第七电阻、第十二电阻、第十五电阻的阻值相等，且第六电阻的阻值是第十三电阻阻值的10倍；第四电阻的阻值是第十三电阻阻值的4倍；第十七电阻的阻值是第十三电阻阻值的3.75倍；第十六电阻的阻值是第十三电阻阻值的1.5倍。采用上述技术方案带来的有益效果：本专利技术设计的两输入动态可重构联想记忆电路，通过改变模板参数A、B和Z的值，可实现搜索各种标准记忆模板的转换。模板参数简单，不同记忆模板之间的模板参数有较高相似度，从而极大简化了模板参数控制单元电路结构，并使得整个联想记忆电路具有更快的动态转换速度。附图说明图1是本专利技术基本电路图；图2是本专利技术中细胞神经元电路的具体电路图。标号说明：U1～U6：第一～第六运算放大器U1～U6；R0～R20：第零～第二十电阻；C1：第一电容。具体实施方式以下将结合附图，对本专利技术的技术方案进行详细说明。如图1所示本专利技术的电路示意图，u1、u2分别为第1、第2细胞神经元电路的外部输入信号。a11,a12为第1细胞神经元电路的模板A参数，a21,a22为第2细胞神经元电路的模板A参数，b1,b2分别为第1、第2细胞神经元电路的模板B参数，z1,z2分别为第1、第2细胞神经元电本文档来自技高网...

【技术保护点】
一种CNN动态可重构的联想记忆电路，其特征在于：所述联想记忆电路包括耦合的第1细胞神经元电路和第2细胞神经元电路，第1细胞神经元电路和第2细胞神经元电路的电路结构相同，均包括：外部信号输入端，用于接收外部输入信号；模板参数控制端，用于接收模板A参数、模板B参数和偏置量参数，通过改变这3个参数值，实现联想记忆电路在各种记忆模板之间进行动态转换；记忆信号输出端，用于输出联想记忆结果；运算电路，它分别与外部信号输入端、模板参数控制端和记忆信号输出端相连，用于对外部输入信号、模板A参数、模板B参数和偏置量参数进行运算操作，得到联想记忆结果；第1细胞神经元电路的输出信号反馈给第2细胞神经元电路，第2细胞神经元电路的输出信号反馈给第1细胞神经元电路。

【技术特征摘要】
1.一种CNN动态可重构的联想记忆电路，其特征在于：所述联想记忆电路包括耦合的第1细胞神经元电路和第2细胞神经元电路，第1细胞神经元电路和第2细胞神经元电路的电路结构相同，均包括：外部信号输入端，用于接收外部输入信号；模板参数控制端，用于接收模板A参数、模板B参数和偏置量参数，通过改变这3个参数值，实现联想记忆电路在各种记忆模板之间进行动态转换；记忆信号输出端，用于输出联想记忆结果；运算电路，它分别与外部信号输入端、模板参数控制端和记忆信号输出端相连，用于对外部输入信号、模板A参数、模板B参数和偏置量参数进行运算操作，得到联想记忆结果；第1细胞神经元电路的输出信号反馈给第2细胞神经元电路，第2细胞神经元电路的输出信号反馈给第1细胞神经元电路。2.根据权利要求1所述一种CNN动态可重构的联想记忆电路，其特征在于：所述运算电路根据如下稳定状态方程得到联想记忆的结果：上式中，ui为第i个细胞神经元电路的外部输入信号；bi为第i个细胞神经元电路的模板B参数；ai1,ai2为第i个细胞神经元电路的模板A参数；zi为第i个细胞神经元电路的偏置量参数；xi为第i个细胞神经元电路的系统状态变量；y(xi)为第i个细胞神经元电路的输出信号。3.根据权利要求2所述一种CNN动态可重构的联想记忆电路，其特征在于：所述第i个细胞神经元电路的模板A参数ai1,ai2，i＝1,2，满足下列两个不等式组之一：or此时联想记忆电路的输出能够收敛于稳定值。4.根据权利要求2所述一种CNN动态可重构的联想记忆电路，其特征在于：定义联想记忆电路的输入、输出电压的逻辑为-1和1，其中逻辑-1对应于逻辑0，逻辑1对应于逻辑1，所述记忆模板包括[1,1]、[1,-1]、[-1,1]、[-1,-1]4种，其中，记忆模板[1,1]的功能为，无论第1、第2细胞神经元电路的输入为何种逻辑组合，第1、第2细胞神经元电路的输出逻辑组合均为[1,1]，记忆模板[1,-1]的功能为，无论第1、第2细胞神经元电路的输入为何种逻辑组合，第1、第2细胞神经元电路的输出逻辑组合均为[1,-1]，记忆模板[-1,1]的功能为，无论第1、第2细胞神经元电路的输入为何种逻辑组合，第1、第2细胞神经元电路的输出逻辑组合均为[-1,1]，记忆模板[-1,-1]的功能为，无论第1、第2细胞神经元电路的输入为何种逻辑组合，第1、第2细胞神经元电路的输出逻辑组合均为[-1,-1]；当需要实现记忆模板[1,1]时，模板A参数、模板B参数和偏置量参数满足如下不等式组：当需要实现记忆模板[1,-1]时，模板A参数、模板B参数和偏置量参数满足如下不等式组：

【专利技术属性】
技术研发人员：刘砚一，刘文波，吴寅，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32