通过金属氧化物器件控制电压电阻

    公开(公告)号:CN114649474A

    公开(公告)日:2022-06-21

    申请号:CN202111432722.0

    申请日:2021-11-29

    Abstract: 本发明的实施例涉及通过金属氧化物器件控制电压电阻装置。本发明的实施例提供了一种计算机系统、电压电阻控制装置和方法,包括:在近端点上的至少两个电极;设置在该至少两个电极上的第一层,其中该第一层由金属氧化物制成;设置在第一层上的第二层,其中该第二层由导电金属氧化物制成;成形接触件,设置在第二层上,其中成形接触件设置在第二层上、第二层设置在第一层上的组合可操作地连接至少两个电极;以及可操作地连接到成形接触件的计算机系统,其中计算机系统被配置成将预定电压分别施加于第一层和第二层,并且使用用户接口显示总体电阻增加。

    用于尖峰神经网络的尖峰突触元件

    公开(公告)号:CN113614745A

    公开(公告)日:2021-11-05

    申请号:CN202080022955.0

    申请日:2020-02-27

    Abstract: 一种在硬件实现的尖峰神经网络(或SNN)的神经元之间传送信号的方法。该网络包括神经元连接,每一神经元连接包括将突触前神经元连接至突触后神经元的突触单元。首先基于存储在所述每个突触单元上的突触权重,在频率上调制从所述每个神经元连接的突触前神经元接收的尖峰,以生成突触后尖峰,从而将从所述突触前神经元接收的第一数量的尖峰转换成第二数量的突触后尖峰。从突触前神经元接收到的尖峰中的至少一些尖峰可以各自被转换成两个或更多个突触后尖峰的串。所产生的突触后尖峰随后被传送到所述每个神经元连接的突触后神经元。该方法使得有可能在突触输出中获得更高的动态范围。

    人工神经网络的硬件实现的训练

    公开(公告)号:CN110188868A

    公开(公告)日:2019-08-30

    申请号:CN201910128850.2

    申请日:2019-02-21

    Abstract: 本发明涉及一种用于前馈人工神经网络的硬件实现训练的方法。该方法包括:通过利用网络处理输入信号来生成第一输出信号,其中成本量采用第一成本值;测量第一成本值;针对改变而定义网络的一组至少一个突触权重;将该组的每个权重改变预定义的权重差;在改变之后,从输入信号来生成第二输出信号以测量第二成本值;比较第一成本值和第二成本值;基于该比较来确定该组的每个权重的期望权重改变,使得在相应的期望权重改变被添加到该组的权重的情况下,成本函数不增加。期望权重改变基于权重差乘以-1、0或+1。

    用于尖峰神经网络的尖峰突触元件

    公开(公告)号:CN113614745B

    公开(公告)日:2025-04-15

    申请号:CN202080022955.0

    申请日:2020-02-27

    Abstract: 一种在硬件实现的尖峰神经网络(或SNN)的神经元之间传送信号的方法。该网络包括神经元连接,每一神经元连接包括将突触前神经元连接至突触后神经元的突触单元。首先基于存储在所述每个突触单元上的突触权重,在频率上调制从所述每个神经元连接的突触前神经元接收的尖峰,以生成突触后尖峰,从而将从所述突触前神经元接收的第一数量的尖峰转换成第二数量的突触后尖峰。从突触前神经元接收到的尖峰中的至少一些尖峰可以各自被转换成两个或更多个突触后尖峰的串。所产生的突触后尖峰随后被传送到所述每个神经元连接的突触后神经元。该方法使得有可能在突触输出中获得更高的动态范围。

    对前馈人工神经网络进行硬件实现的训练的方法和系统

    公开(公告)号:CN110188868B

    公开(公告)日:2023-07-25

    申请号:CN201910128850.2

    申请日:2019-02-21

    Abstract: 本发明涉及一种用于前馈人工神经网络的硬件实现训练的方法。该方法包括:通过利用网络处理输入信号来生成第一输出信号,其中成本量采用第一成本值;测量第一成本值;针对改变而定义网络的一组至少一个突触权重;将该组的每个权重改变预定义的权重差;在改变之后,从输入信号来生成第二输出信号以测量第二成本值;比较第一成本值和第二成本值;基于该比较来确定该组的每个权重的期望权重改变,使得在相应的期望权重改变被添加到该组的权重的情况下,成本函数不增加。期望权重改变基于权重差乘以‑1、0或+1。

Patent Agency Ranking