《事件驅動神經(jīng)形態(tài)系統(tǒng)》系統(tǒng)地描述了神經(jīng)形態(tài)工程領域的新技術,包括構建完整的神經(jīng)形態(tài)芯片和解決制造多芯片可擴展系統(tǒng)面臨的技術問題。
《事件驅動神經(jīng)形態(tài)系統(tǒng)》主要內容分為兩部分。分(第2-6章)描述了所構建的AER通信體系結構、AER傳感器和電子神經(jīng)模型,其中,第2-5章用樹狀圖描述了將架構和電路關聯(lián)起來的歷史,并引導讀者閱讀大量文獻;第6章描述了關于事件驅動系統(tǒng)學習的大部分理論知識。第二部分(第7-16章)面向神經(jīng)形態(tài)電子系統(tǒng)構建方向的讀者,提供了用于構建傳感器和計算單元建模神經(jīng)系統(tǒng)構建基塊的各種方法信息,包括硅神經(jīng)元、硅突觸、硅耳蝸電路、浮柵電路和可編程控制器數(shù)字偏置發(fā)生器的詳細信息,還包括硬件和軟件通信基礎結構,以及事件驅動傳感器輸出算法處理的相關內容。
《事件驅動神經(jīng)形態(tài)系統(tǒng)》以第17章結尾,梳理了當前計算機與神經(jīng)系統(tǒng)在實現(xiàn)計算處理方式上的差異,討論了認知神經(jīng)形態(tài)系統(tǒng)發(fā)展的長期途徑。
第1章簡介1
1.1起源與歷史背景2
1.2建立有用的神經(jīng)形態(tài)系統(tǒng)4
參考文獻5
部分理解神經(jīng)形態(tài)系統(tǒng)第2章通信9
2.1簡介9
2.2地址事件表示11
2.2.1AER編碼器12
2.2.2仲裁機制13
2.2.3編碼機制16
2.2.4多個AER端點17
2.2.5地址映射17
2.2.6路由18
2.3AER鏈接設計注意事項18
2.3.1權衡:動態(tài)分配還是靜態(tài)分配19
2.3.2權衡:仲裁訪問還是沖突20
2.3.3權衡:排隊與下降峰值22
2.3.4預測吞吐量的需求23
2.3.5設計權衡24
2.4AER鏈路的演變25
2.4.1單發(fā)單收25
2.4.2多發(fā)多收27
2.4.3并行信號協(xié)調28
2.4.4字串行尋址29
2.4.5串行差分信號29
2.5討論30
參考文獻31
第3章硅視網(wǎng)膜34
3.1簡介34
3.2生物視網(wǎng)膜35
3.3具有串行模擬輸出的硅視網(wǎng)膜36
3.4事件驅動的異步像素輸出與同步幀36
3.5AER視網(wǎng)膜37
3.5.1動態(tài)視覺傳感器39
3.5.2基于時間的異步圖像傳感器42
3.5.3異步ParvoMagno視網(wǎng)膜模型42
3.5.4事件驅動的強度編碼成像儀44
3.5.5空間對比度與方向視覺傳感器46
3.6硅視網(wǎng)膜像素49
3.6.1DVS像素49
3.6.2ATIS像素52
3.6.3VISe 像素53
3.6.4Octopus 像素53
3.7硅視網(wǎng)膜新規(guī)范55
3.7.1DVS響應均勻性55
3.7.2DVS背景活動56
3.7.3DVS動態(tài)范圍57
3.7.4DVS延遲和抖動57
3.8討論58
目錄事件驅動神經(jīng)形態(tài)系統(tǒng)參考文獻61
第4章硅耳蝸66
4.1簡介66
4.2耳蝸結構70
4.2.1級聯(lián)一維70
4.2.2基本的一維硅耳蝸71
4.2.3二維架構72
4.2.4電阻(導電)網(wǎng)絡73
4.2.5BM諧振器73
4.2.6二維硅耳蝸模型73
4.2.7添加OHC的主動非線性特性75
4.3尖峰型耳蝸77
4.3.1AEREAR2濾波器的Q控制78
4.3.2應用:基于尖峰的聽覺處理78
4.4樹狀圖79
4.5討論80
參考文獻81
第5章運動電機控制85
5.1簡介85
5.1.1確定功能性生物學元素86
5.1.2有節(jié)奏的運動模式86
5.2運動控制中的神經(jīng)回路建模88
5.2.1描述運動行為89
5.2.2虛擬分析90
5.2.3連接模型92
5.2.4基本CPG結構93
5.2.5神經(jīng)形態(tài)架構95
5.3工作中的神經(jīng)形態(tài)CPG101
5.3.1神經(jīng)假體:體內運動的控制101
5.3.2步行機器人102
5.3.3各段間協(xié)調建模104
5.4討論104
參考文獻106
第6章神經(jīng)形態(tài)系統(tǒng)的學習113
6.1簡介:突觸連接、記憶和學習114
6.2在神經(jīng)形態(tài)硬件中保留記憶114
6.2.1記憶維護問題:直覺114
6.2.2記憶維護問題:定量分析116
6.2.3解決記憶維護問題117
6.3在神經(jīng)形態(tài)硬件中存儲記憶121
6.3.1突觸學習模型121
6.3.2在神經(jīng)形態(tài)硬件中實現(xiàn)突觸模型124
6.4神經(jīng)形態(tài)硬件中的聯(lián)想記憶128
6.4.1吸引子神經(jīng)網(wǎng)絡中的記憶檢索128
6.4.2問題132
6.5神經(jīng)形態(tài)芯片中的吸引子狀態(tài)134
6.5.1記憶檢索134
6.5.2實時學習視覺刺激136
6.6討論138
參考文獻139
第二部分建立神經(jīng)形態(tài)系統(tǒng)第7章硅神經(jīng)元145
7.1簡介145
7.2硅神經(jīng)元電路塊147
7.2.1電導動力學147
7.2.2尖峰事件生成149
7.2.3尖峰閾值和不應期150
7.2.4尖峰頻率自適應和自適應閾值152
7.2.5軸突和樹突樹153
7.2.6其他有用的構建基塊154
7.3硅神經(jīng)元實現(xiàn)155
7.3.1亞閾生物物理現(xiàn)實模型155
7.3.2事件驅動系統(tǒng)的緊湊型I&F電路158
7.3.3通用I&F神經(jīng)元電路159
7.3.4高于閾值、加速時間和開關電容設計163
7.4討論167
參考文獻169
第8章硅突觸176
8.1簡介177
8.2硅突觸實現(xiàn)178
8.2.1無電導電路179
8.2.2電導電路187
8.2.3NMDA突觸電路189
8.3動態(tài)塑性突觸190
8.3.1短期可塑性190
8.3.2長期可塑性192
8.4討論201
參考文獻203
第9章硅耳蝸構造模塊208
9.1介紹208
9.2電壓域二階濾波器209
9.2.1跨導放大器209
9.2.2二階低通濾波器210
9.2.3濾波器的穩(wěn)定性211
9.2.4穩(wěn)定的二階低通濾波器213
9.2.5差異213
9.3電流域二階濾波器215
9.3.1跨線性回路215
9.3.2二階Tau細胞對數(shù)域濾波器217
9.4指數(shù)偏差生成218
9.5內毛細胞模型220
9.6討論221
參考文獻222
第10章可編程和可配置的模擬神經(jīng)形態(tài)集成電路224
10.1簡介224
10.2浮柵電路基礎知識225
10.3啟用電容電路的浮柵電路226
10.4修改浮柵電荷228
10.4.1電子隧道效應228
10.4.2PFET熱電子注入229
10.5可編程模擬器件的精確編程230
10.6可編程模擬方法的縮放232
10.7低功耗模擬信號處理233
10.8與數(shù)字方法的低功耗比較:內存中的模擬計算235
10.9數(shù)字復雜度下模擬編程:大規(guī),F(xiàn)場可編程模擬陣列236
10.10模擬信號處理的應用238
10.10.1模擬變換成像儀238
10.10.2自適應濾波器和分類器240
10.11討論241
參考文獻242
第11章偏置發(fā)生器電路248
11.1簡介248
11.2偏置發(fā)生器電路249
11.2.1自舉電流鏡主偏置基準電流250
11.2.2主偏置電源抑制比251
11.2.3主偏置的穩(wěn)定性 252
11.2.4主偏置啟動和電源控制252
11.2.5電流分流器:獲得主電流的數(shù)字控制部分253
11.2.6實現(xiàn)偏置電流的良好單調分辨率257
11.2.7粗精范圍選擇258
11.2.8小電流的偏移源偏置259
11.2.9個體偏差的緩沖和旁路解耦261
11.2.10通用偏置緩沖電路263
11.2.11保護偏置分流器電流不受寄生光電流的影響264
11.3包括外部控制器的整體偏置發(fā)生器結構264
11.4典型特征265
11.5設計工具包266
11.6討論267
參考文獻267
第12章片上AER通信電路269
12.1簡介269
12.1.1通信周期270
12.1.2通信提速271
12.2AER發(fā)送器模塊272
12.2.1像素內的AER電路273
12.2.2仲裁器273
12.2.3其他AER模塊279
12.2.4聯(lián)合作業(yè)280
12.3AER接收器模塊280
12.3.1芯片級握手模塊281
12.3.2解碼器282
12.3.3接收像素中的握手電路282
12.3.4脈沖擴展電路283
12.3.5接收陣列外圍握手電路283
12.4討論284
參考文獻285
第13章硬件基礎架構287
13.1簡介287
13.1.1監(jiān)控AER事件288
13.1.2AER事件定序292
13.1.3映射AER事件293
13.2小型系統(tǒng)的硬件基礎架構板296
13.2.1硅皮層296
13.2.2集中通信297
13.2.3可組合架構解決方案298
13.2.4菊花鏈結構303
13.2.5接口板使用串行AER304
13.2.6可重構網(wǎng)狀架構307
13.3中等規(guī)模多芯片系統(tǒng)309
13.3.1OR IFAT系統(tǒng)309
13.3.2多芯片定向系統(tǒng)311
13.3.3CAVIAR系統(tǒng)314
13.4FPGA319
13.5討論321
參考文獻323
第14章軟件基礎架構330
14.1簡介330
14.2芯片和系統(tǒng)描述軟件331
14.2.1可擴展標記語言332
14.2.2NeuroML332
14.3組態(tài)軟件332
14.4地址事件流處理軟件333
14.4.1現(xiàn)場可編程門陣列333
14.4.2AE流處理軟件的結構334
14.4.3帶寬和延遲334
14.4.4優(yōu)化335
14.4.5應用程序編程接口335
14.4.6 AE流的網(wǎng)絡傳輸336
14.5映射軟件336
14.6軟件示例337
14.6.1ChipDatabase:用于調整神經(jīng)形態(tài)aVLSI芯片的系統(tǒng)337
14.6.2Spike Toolbox339
14.6.3jAER339
14.6.4Python和PyNN340
14.7討論342
參考文獻343
第15章事件流的算法處理346
15.1簡介346
15.2軟件基礎架構需求348
15.3嵌入式實現(xiàn)350
15.4算法實例350
15.4.1降噪濾波器351
15.4.2時間戳映射和按位移地址進行二次采樣352
15.4.3作為低級功能檢測器的事件標記器352
15.4.4視覺跟蹤器354
15.4.5事件驅動的音頻處理358
15.5討論358
參考文獻359
第16章邁向大規(guī)模神經(jīng)形態(tài)系統(tǒng)362
16.1簡介362
16.2大型系統(tǒng)實例362
16.2.1尖峰神經(jīng)網(wǎng)絡結構363
16.2.2分層AE365
16.2.3神經(jīng)網(wǎng)絡366
16.2.4高輸入計數(shù)模擬神經(jīng)網(wǎng)絡系統(tǒng)368
16.3討論369
參考文獻370
第17章作為潛在技術大腦372
17.1簡介372
17.2神經(jīng)計算的本質:腦技術原理373
17.3理解大腦的方法375
17.4大腦構造和功能的一些原理376
17.5神經(jīng)電路處理的示例模型378
17.6對神經(jīng)形態(tài)的認知380
參考文獻381