一种集中式随机跳变神经网络电路结构及其设计方法与流程

本发明涉及神经网络芯片的算法及设计方法，属于数字集成电路设计领域，更具体的，本发明涉及一种对神经网络算法应用更深入的方法。

背景技术：

人工神经网络(artificialneuralnetwork，即ann)，是20世纪80年代以来人工智能领域兴起的研究热点，是由具有适应性的简单单元组成的广泛并行互连的网络，他的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activationfunction)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

最近十多年来，人工神经网络的研究工作不断深入，已经取得了很大的进展，其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题，表现出了良好的智能特性。

集成电路(integratedcircuit)顾名思义，就是把一定数量的常用电子元件，如电阻、电容、晶体管等，以及这些元件之间的连线，通过半导体工艺集成在一起的具有特定功能的电路。

现如今的神经网络都是处于稳定状况下执行所被赋予的任务，但真实的大脑并不都是处于稳定状态下产生结果，往往外界带来的不稳定状态会导致新的灵感的产生。为了模拟这种不稳定状况及其结果，本发明提出来一种方案，通过基于数字集成电路设计将正常状况下的结果与不稳定状况下的结果进行对比，我们将得到两种状况的不同，并为将来的研究铺平了道路。

技术实现要素：

本发明的目的在于提出了一种集中式随机跳变神经网络电路及其设计方法，该发明其核心思想在于系统电路驱动两个伪随机数发生器来改变系统神经网络某一个或几个结点的权重达到集中随机处理神经网络的目的。

本发明的技术方案在于采用了一种集中式随机跳变神经网络电路结构，该电路结构包括神经网络模块、随机数发生模块，流程控制模块，根据流程控制模块的输出，决定是否开始随机跳变的过程，当开始随机跳变，此时同时控制随机数发生模块的运作，即对随机数发生模块的两个子模块进行控制，控制两个随机数发生器输出两组随机数；随机数发生器1输出的一组随机数用来改变神经网络的权重，随机数发生器2输出的另一组随机数用于改变控制神经网络结点的地址。神经网络模块用于神经网络的实现，以及对训练集的处理；随机数发生模块包括两个独立的随机数发生器，用于产生两组随机数组，实现对神经网络的随机节点处的权重变化；流程控制模块用于控制整个电路结构工作模式的变化。

一种集中式随机跳变神经网络电路结构的设计方法，该方法包括如下具体步骤：

s1.首先为神经网络正常运行。神经网络模块启动，通过训练集对神经网络芯片进行训练，得到训练好的网络样本；

s2.其次为集中式随机跳变行为运行。流程控制模块运行，通过控制两个伪随机数发生器的运作，改变已经训练好的神经网络的权值及结点地址，并由该神经网络对训练集进行处理。

本发明采用集中式处理，更为方便的改变神经网络的权重及结点地址，实现自动化处理。

附图说明

图1为模块交互连接图；

图2为流程控制图；

具体实施方式

以下将结合附图对本发明作进一步说明。

如图1为集中式随机跳变神经网络的模块图。通过流程控制模块控制总的进程，与神经网络模块、随机数发生器控制模块相连并对以上部分进行控制；随机数发生器模块与神经网络模块相连并对该部分进行控制。

如图2为随机数发生器模块与神经网络模块的连接方式图。其中，随机数发生器模块内的两个独立的随机数发生器分别与神经网络模块的网络权重部分及网络节点地址部分直接相连。图2中的x1，x2为神经网络的输入；wij(i表示输入，j表示隐层函数)为权重，b1,b2,b3,b4为隐层函数，用于对输入信号加工；y1,y2为神经网络的输出。

技术特征：

技术总结
本发明公开了一种集中式随机跳变神经网络电路结构及其设计方法，该电路结构包括神经网络模块、随机数发生模块，流程控制模块，根据流程控制模块的输出，决定是否开始随机跳变的过程，当开始随机跳变，此时同时控制随机数发生模块的运作，即对随机数发生模块的两个子模块进行控制，控制两个随机数发生器输出两组随机数；神经网络模块用于神经网络的实现，以及对训练集的处理；随机数发生模块包括两个独立的随机数发生器，用于产生两组随机数组，实现对神经网络的随机节点处的权重变化；流程控制模块用于控制整个电路结构工作模式的变化。本发明采用集中式处理，更为方便的改变神经网络的权重及结点地址，实现自动化处理。

技术研发人员：侯立刚;汪子锋;闫帅旗;彭晓宏;耿淑琴
受保护的技术使用者：北京工业大学
技术研发日：2018.11.28
技术公布日：2019.04.02