具有突触规则的脉冲神经膜系统综述

膜系统是受到细胞、组织、器官和系统的结构和功能的启发而提出的一类生物启发式计算模型。具有突触规则的脉冲神经膜系统是一类受神经元间信息交流方式的启发而提出的膜系统,该类模型中神经元是存储信息的单元,突触是整合并传递信息的媒介,整个系统采用分布式、并行方式处理信息。文中回顾了具有突触规则的脉冲神经膜系统的定义及相关概念,介绍了若干个脉冲神经膜系统变体,并对比了各系统的同异;列出了该系统及其变体在不同工作模式下计算能力方面的研究进展,以及该系统在求解计算困难问题、算术运算和破解密码方面的应用;提出了尚待研究的若干问题,以期为具有突触规则的脉冲神经膜系统理论研究提供方向,同时为相关系统的应用研究拓展思路。     

忆阻器的温度效应改进模型及其仿生神经突触传递

突触传递是温度敏感的,由于缺乏温度依赖性的突触电导分析模型,无法在神经系统建模时包括温度效应.忆阻器因其阻值连续可变和纳米尺寸的优势,被广泛认为可以模拟生物突触.本文通过改进忆阻保留值和考虑温度对离子迁移和扩散的影响,提出一种新的氧化钨忆阻器模型,此模型更加符合忆阻器的实际行为特性.首先,改进的数学模型不仅具有原模型的功能,同时可以拟合忆阻器的实际遗忘规律.另外,将此忆阻器作为生物突触耦合两个相同的HH神经元,能够体现温度对突触传递的影响,即温度上升引起氧空位迁移和扩散速率发生变化,导致忆阻器电导变化速率加快,进一步影响兴奋性突触后膜电位幅值和放电次数,而相关仿真结果与神经生理实验现象相符.本文的工作表明,改进的氧化钨忆阻器模型更适合作为仿生突触应用到神经形态系统中,将为指导忆阻器的设计制造工艺以提高其仿生突触性能提供参考,也为研究温度对突触传递的影响提供了一种新思路.     

通用的不带延迟的同质脉冲神经膜系统

脉冲神经膜系统是一种膜系统中吸收了脉冲神经网络特点的新型生物计算装置,具有强大的计算能力。同质脉冲神经膜系统是指一种所有神经元具有相同规则集合的脉冲神经膜系统的变体。研究了突触上带权值和突触上不带权值的两种同质脉冲神经膜系统在不使用具有延迟的激发规则情况下的计算通用性问题,并证明了这两种不带延迟的同质脉冲神经膜系统无论是工作在产生模式下,还是工作在接收模式下都是计算通用的。解决了曾湘祥、张兴义和潘林强提出的关于不带延迟的同质脉冲神经膜系统是否具有计算通用性的公开问题。     

全局异步局部同步的带阈值的脉冲神经膜系统

带阈值的脉冲神经膜系统是一类生物启发式计算模型，提出该系统的灵感来自神经元电位变化与其活动的联系。对于带阈值的脉冲神经膜系统的计算能力研究，人们已证明该系统在极大同步工作模式下，作为产生数或接受数的计算设备时，是与图灵机等价(计算通用)的，而该系统在其他工作模式下的计算能力如何也是人们普遍关心的问题。文中研究的是带阈值脉冲神经膜系统在全局异步局部同步模式下产生数的能力，证明了突触带整数权重的相应系统是计算通用的，而突触带正整数权重的相应系统只能产生半线性数集。研究结果表明，突触权重的取值范围影响着全局异步局部同步工作模式下带阈值脉冲神经膜系统的计算能力。     

带反脉冲的同质脉冲神经膜系统

脉冲神经膜系统是一种膜系统中吸收了脉冲神经网络特点的新型生物计算装置,具有强大的计算能力.带反脉冲的同质脉冲神经膜系统是使用了两种对象(称为脉冲和反脉冲)、且其中每个神经元具有相同规则集合的一种脉冲神经膜系统的变体.本文研究了无延迟规则和突触权值情况下的带反脉冲同质脉冲神经膜系统的计算通用性问题,证明了这种P系统无论是工作在产生模式,还是接收模式下都是计算通用的.本文解答了曾湘祥等人提出的关于是否存在无延迟规则的同质脉冲神经膜系统和如何移除突触权值的两个公开问题.     

一种可实现STDP机制的CMOS突触和神经元电路设计

设计了一个高度集成的、高能效的CMOS突触和神经元电路。该突触电路可以实现基于脉冲时间依赖可塑性(Spike Timing Dependent Plasticity,STDP)的学习机制。通过这种机制可以模拟动作脉冲在真实突触中的传导特性并大规模集成为神经形态芯片。该电路采用低功耗的设计方法,晶体管偏置在亚阈值区,由低压电源(0.6 V)供电,采用0.18μm标准CMOS工艺实现。仿真结果表明,突触权值的变化为0.17 V~0.43 V;神经元电路可以真实模拟出神经元放电的多种模式,如RS(Regular Spike)模式、LTS(Low-Threshold Spike)模式、CH(Chattering)模式和IB(Intrinsic Bursting)模式等,电路在产生动作电位时每个脉冲平均仅消耗约0.6 p J的能量。     

STDP突触的双输入信号动力学模型研究*

为了准确地建模突触前刺激引起的谷氨酸信号和突触后刺激引起的峰电位信号,并将这两个信号用于STDP突触模型的验证,提出一种谷氨酸信号和后向传播树突信号的离子通道动力学模型。模型的仿真结果不仅得到了实际生理学机理下的谷氨酸信号和树突信号,而且对STDP突触模型的验证还得到了STDP突触的时间非对称函数波形。仿真结果表明,所设计的双输入信号动力学模型符合实际的STDP神经突触生理学原理,模型产生的信号可用于对STDP突触模型的验证。     

基于突触离子通道动力学神经元网络的高效并行仿真算法

在计算神经科学领域,大规模神经元网络的并行仿真对探索和揭示生物大脑中信息传递机制有着重要作用。为加速大规模神经元网络仿真,提出一种模块独立性强、耦合度低的基于突触递质-受体离子通道动力学的神经元网络的并行算法。通过分析化学突触信息传递机理及递质分子、受体离子通道动力学特征,提出了递质-受体计算分离的思想,增强了突触前神经元引起的递质分子浓度计算与突触后绑定状态的受体浓度计算之间的独立性,降低突触电流计算中突触前神经元状态和突触后神经元状态之间的耦合度。基于上述思想,设计并实现了一种生物神经网络并行算法。仿真结果表明了该算法的高效性。     

IBM推出新一代模拟大脑芯片

正IBM公司的研究人员发布了新一代"神经突触计算机芯片".这种芯片基于一种被称为"认知计算系统"的全新架构,能够模拟人脑认知和活动能力;并能同时处理大量数据,对来自多个不同渠道的信息作出响应,包括自动驾驶汽车、人工智能以及便携设备在内多个领域都或将因此发生革命性的变革.此次推出的新一代模拟大脑芯片采用三星的28纳米制程技术制造,在一块芯片上集成了100万个"神经元"和2.56亿个"突     

多媒体技术研究:2015——类脑计算的研究进展与发展趋势

目的 类脑计算,是指仿真、模拟和借鉴大脑神经网络结构和信息处理过程的装置、模型和方法,其目标是制造类脑计算机和类脑智能。方法 类脑计算相关研究已经有20多年的历史,本文从模拟生物神经元和神经突触的神经形态器件、神经网络芯片、类脑计算模型与应用等方面对国内外研究进展和面临的挑战进行介绍,并对未来的发展趋势进行展望。结果 与经典人工智能符号主义、连接主义、行为主义以及机器学习的统计主义这些技术路线不同,类脑计算采取仿真主义：结构层次模仿脑（非冯·诺依曼体系结构）,器件层次逼近脑（模拟神经元和神经突触的神经形态器件）,智能层次超越脑（主要靠自主学习训练而不是人工编程）。结论 目前类脑计算离工业界实际应用还有较大差距,这也为研究者提供了重要研究方向与机遇。     

类脑神经网络与神经形态器件及其电路综述

为了系统地了解类脑神经网络电路,在对类脑神经网络进行简要介绍的基础之上,重点阐述两种类别的神经形态器件及功能,包括不同类型的浮栅管和不同工艺材料的忆阻器来模拟单个神经元和突触可塑性功能;然后,以神经形态器件为基础,分别介绍了基于浮栅管和忆阻器实现神经网络电路;最后总结当前神经形态器件及类脑神经网络芯片存在的问题,并对有关类脑计算研究方向进行了展望.     

视觉模型中的抑制突触可塑性研究

论文研究了神经元抑制性突触的可塑性和在视觉模型中的作用。在一个三层前馈视觉模型中,除了考虑兴奋性突触的可塑性外,将抑制性突触的可塑性加入到模型中。比较了赫布学习和反赫布学习窗口,发现抑制性突触在反赫布学习窗口下,符合视觉系统的生物特性。并进一步研究了抑制性突触可塑性对眼优势可塑性的影响,发现抑制性突触权重在可塑性学习下增大,是导致眼优势关键期关闭重要的原因。研究结果一方面有助于更好地理解脑视觉神经网络的可塑性,另一方面对于治疗斜视、弱视等视觉疾病提供理论依据。     

基于STDP学习规则的视网膜神经回路的特性

基于视网膜的生理解剖结构,构建了包括视锥细胞、水平细胞、双极细胞、AII无长突细胞、神经节细胞、外侧膝状体核和ON通路与OFF通路的视网膜神经回路模型,并在神经节细胞层和外侧膝状体核层的突触连接中引入STDP(Spike-Timing Dependent Plasticity)学习规则,通过添加单一图形刺激和交替图形刺激,比较神经节细胞和外侧膝状体核的电位发放、发放频率以及两者之间突触权重的变化,研究视网膜神经回路的信息传递特性.结果表明:构建的神经回路模型可有效地将光照强度信息转化为发放时序频率信息,且表现出生物视网膜的信息结构特性;STDP学习规则的引入使得外侧膝状体核层接收了相应的刺激模式并学习记忆了这种模式,且ON通路和OFF通路表现出学习独立性;STDP学习规则可以对交替出现的图形刺激,在突触权重的空间分布上进行叠加,且重叠部分的学习效果更加显著.     

基于链接突触计算网络的遥感图像对比度增强算法

针对卫星遥感图像在增强对比度和去除噪声过程中出现纹理细节丢失和图像自然性降低的问题,提出一种基于链接突触计算网络的卫星遥感图像对比度增强算法。在彩色图像转变至HSV颜色空间的前提下,通过引导滤波器去除噪声和边缘增强技术突出细节;将边缘增强的图像输入链接突触计算网络,采取与显著特征图相结合的方式增强图像亮度和对比度;在RGB空间上,利用改进的自然色彩还原技术对增强图像进行还原。实验结果表明,相对于其他对比度增强算法,该方法在多个评价指标上都有很好的性能体现,在增强图像对比度和亮度的同时,保留了丰富的纹理细节和自然色彩度。     

基于Simulink平台的脉冲神经网络前向传播模型的建立与仿真

脉冲神经网络(SNN)被誉为第三代神经网络,近年来受到许多学者的关注,其优势已经在模式识别、计算机视觉等诸多领域得到了发挥。脉冲神经网络的硬件化是实现其强大计算能力的重要途径,而使用相关的软件对硬件系统进行建模和仿真,是复杂硬件系统设计的首要问题。为了获得合理的硬件设计方案,在Simulink平台上,首先建立脉冲神经网络突触的模型,并得到较为理想的突触响应曲线。在此基础上,建立一个完整的脉冲神经网络前向传播模型。仿真结果显示,通过训练可以解决传统的异或问题。     

基于ZYNQ集群的神经形态计算加速研究与实现

基于脉冲神经网络（SNN）的神经形态计算由于工作机理更接近于生物大脑,被认为有望克服深度学习的不足而成为解决人工智能问题的更佳途径。但是如何满足高性能、低功耗和适应规模伸缩需求是神经形态计算系统需要解决的挑战性问题。基于FPGA异构计算平台ZYNQ集群,在NEST类脑仿真器上,重点解决了具有脉冲时间依赖可塑性（STDP）突触计算复杂度高、并行度低、硬件资源占用大的问题。实验结果表明,设计的方法在8节点ZYNQ 7030集群上,性能是Xeon E5-2620 CPU的14.7倍。能效比方面,是Xeon E5-2620 CPU的51.6倍,是8节点ARM Cortex-A9的20.6倍。     

基于Temporal rule的忆阻神经网络电路

忆阻器是一种动态特性的电阻,其阻值可以根据外场的变化而变化,并且在外场撤掉后能够保持原来的阻值,具有类似于生物神经突触连接强度的特性,可以用来存储突触权值。在此基础上,为了实现基于Temporal rule对IRIS数据集识别学习的功能,建立了以桥式忆阻器为突触的神经网络SPICE仿真电路。采用单个脉冲的编码方式,脉冲的时刻代表着数据信息,该神经网络电路由48个脉冲输入端口、144个突触、3个输出端口组成。基于Temporal rule学习规则对突触的权值修改,通过仿真该神经网络电路对IRIS数据集的分类正确率最高能达到93.33%,表明了此神经系统结构设计在类脑脉冲神经网络中的可用性。     

IBM模仿人脑打造有“思考能力”的芯片

正IBM通过模仿人脑的工作原理打造出了第二代的SyNAPSE芯片。该项目的负责人Dharmendra Modha:"它就像一台超级电脑被但只有一张邮票的大小,并且比羽毛还轻。"不止这样,它的功耗和助听器差不多。该芯片有一百万个神经元,2.56亿个神经突触,和4096个神经突触内核。这些元件和大脑的组成相近,并且可以像大脑一样运作。他们被分布在64X64的阵列当中并且本身就具有储存能力。神经突触内核之问能够通过芯片内部的线路连接,协同工作。该芯片能够和4000种芯片搭配使用,并创造一台能够"思考"的机器。     

基于忆容桥的突触电路研究

利用4个相同忆容器构建一个能实现零、正和负突触权重的忆容桥电路。在附加3个晶体三极管后,忆容桥权重电路能够实现神经细胞的突触操作。由于整个操作都是基于脉冲输入信号,因此整个电路是高效节能的。通过Matlab实现突触权重设计和突触权重乘法的模拟。仿真实验结果表明,基于线性忆容桥的突触电路在性能上与忆阻突触桥电路基本相当,优于传统突触乘法电路。     

二元氧化物忆阻器材料及其在突触领域研究进展

近几年该材料在突触仿生功能的运用,让人们对人造神经网络有了更深一步的认识,同时也被认为实现高效脑人工神经网络的独特器件。本文将综述近几年研究的二元氧化物材料,如:ZnO、TiOx、SiOx、WOx、HfOx、TaOx、ZrOx氧化物材料关于突触仿生功能的实现,也将概述氧化物材料特点、目前采用的制备为忆阻器的方法、突触领域的现有研究,并展望未来该领域的更多可能性。