編碼器將聲音信息轉(zhuǎn)換為具有對應(yīng)含義的類神經(jīng)傳輸信號，輸入下層神經(jīng)元El。
[0198]編碼器表示出聲音信息在神經(jīng)形態(tài)電路識別的信息，其二進制的聲音信息的處理包括:定義輸入層神經(jīng)元的某些神經(jīng)元接收到類神經(jīng)傳輸信號的含義，其信號跳動對應(yīng)的聲音；定義每個聲音對應(yīng)的輸入類神經(jīng)傳輸信號在下層神經(jīng)兀電路上的不同的分布的含義坐寸ο
[0199]下層的類神經(jīng)傳輸信號經(jīng)過一些類突觸器件連接傳入上層神經(jīng)元，激發(fā)上層神經(jīng)元發(fā)出類神經(jīng)傳輸信號，同時類神經(jīng)傳輸信號反饋激發(fā)下層神經(jīng)元，如此反復(fù)，形成一個循環(huán)的電路。
[0200]類突觸器件根據(jù)兩端類神經(jīng)傳輸信號的時序調(diào)整自身的連接權(quán)重。權(quán)重指對后端神經(jīng)元的影響能力，比如通過權(quán)重大的突觸，比較小的信號也可能激發(fā)后端神經(jīng)元；通過權(quán)重小的突觸，比較大的信號也可能不激發(fā)后端神經(jīng)元；權(quán)重為負的突觸，正的神經(jīng)信號還可以抑制后端神經(jīng)元。神經(jīng)元的狀態(tài)是指其電壓，可以將類突觸器件理解成電阻，表示通過電流信號的能力。
[0201]一次或反復(fù)循環(huán)后，神經(jīng)形態(tài)電路的類突觸器件的權(quán)重值不斷改變，這是一個自適應(yīng)學(xué)習(xí)的過程，經(jīng)過不斷的刺激，神經(jīng)形態(tài)電路最終趨于一個穩(wěn)態(tài)，比如反復(fù)激勵聲音A，第二層某個類神經(jīng)元胞體器件會不斷發(fā)出類神經(jīng)傳輸信號，反應(yīng)強烈，若是復(fù)雜的神經(jīng)形態(tài)電路可能很多類神經(jīng)元胞體器件一起呈現(xiàn)某種類神經(jīng)傳輸信號特征規(guī)律；反復(fù)激勵聲音B，第二層另一個類神經(jīng)元胞體器件反應(yīng)很強烈。
[0202]在類神經(jīng)元胞體器件給出反應(yīng)后，根據(jù)定義某一種協(xié)議，比如前一個類神經(jīng)元胞體器件不斷跳動(跳動指發(fā)出動作電位)代表輸入的是聲音A，后一個類神經(jīng)元胞體器件不斷跳動，代表輸入的是聲音B，經(jīng)過譯碼器解釋該協(xié)議，完成聲音A和聲音B的識別。
[0203]圖10為簡單的類神經(jīng)傳輸信號循環(huán)流程圖，復(fù)雜的輸入信息會使得輸出層很多類神經(jīng)元胞體器件都跳動，但會呈現(xiàn)對應(yīng)于不同輸入的特殊規(guī)律，不同于上述情況能迅速的識別出來，需要經(jīng)過比對模塊來分析經(jīng)過上述過程獲得的特征進行比對。
[0204]提供具體使用實施例對基于類腦協(xié)處理器的計算機系統(tǒng)的類腦計算進一步說明
[0205]一、數(shù)字識別
[0206]計算機需識別一個未知數(shù)字，假設(shè)該數(shù)字為8。設(shè)定類腦協(xié)處理器的存儲模塊和處理模塊分別初始化形成了數(shù)值特征存儲庫和數(shù)值功能網(wǎng)絡(luò)模塊。
[0207]數(shù)據(jù)總線將未知數(shù)字的二進制信息傳輸至數(shù)據(jù)接口，數(shù)據(jù)接口將二進制信息轉(zhuǎn)換為類腦協(xié)處理器可處理的類神經(jīng)傳輸信號，轉(zhuǎn)換完成發(fā)送至類腦協(xié)處理器。
[0208]類腦協(xié)處理的存儲模塊和處理模塊均接收到上述類神經(jīng)傳輸信號，分別進行識另IJ，數(shù)值特征存儲庫輸出與未知數(shù)字的訓(xùn)練特征信息集合，數(shù)值功能網(wǎng)絡(luò)模塊輸出特征信息，將識別后的信息發(fā)送至比對模塊，比對模塊比對上述訓(xùn)練特征信息集合和特征信息，根據(jù)神經(jīng)元的跳動識別出數(shù)字8，完成類腦計算。
[0209]上述數(shù)字識別的原理與前面兩層類神經(jīng)元胞體器件識別圖像類似，不同數(shù)字經(jīng)過神經(jīng)形態(tài)電路，不斷調(diào)整突觸權(quán)重，最終會使得輸出層神經(jīng)元跳動呈現(xiàn)不同的規(guī)律，經(jīng)過比對模塊比對后確定輸入的數(shù)字。
[0210]二、模式識別
[0211]模式識別指將一個樣本歸屬于多個類型中的某個樣本的過程，包括圖像識別、聲音識別、數(shù)字識別等。
[0212]模式識別其傳統(tǒng)解決方案是通過大量軟件編程，研究各種復(fù)雜的算法分析圖像的每一個像素值進行運算提取出圖像特征再進行比較，速度很慢，效率很低。
[0213]而運用類腦協(xié)處理器識別某個公司的員工的特征信息，該特征信息包括圖像、指紋、虹膜信息、聲音等，只需提前將該公司每個員工的特征信息經(jīng)過編碼轉(zhuǎn)換成類神經(jīng)傳輸信號，激勵該協(xié)處理器的處理模塊中對應(yīng)的一個或多個功能網(wǎng)絡(luò)模塊，通過類神經(jīng)元胞體器件類神經(jīng)傳輸信號反復(fù)的傳遞運算及突觸權(quán)重的自適應(yīng)修改，輸出層類神經(jīng)元胞體器件活動呈現(xiàn)的特征(比如諸多類神經(jīng)元胞體器件發(fā)出類神經(jīng)傳輸信號的位置和頻率等統(tǒng)計信息)。每一個特征信息均不一樣，神經(jīng)活動特征經(jīng)過解碼后，存儲于存儲模塊，形成該公司員工不同特征信息集合，上述過程稱為訓(xùn)練。
[0214]例如，某幅新圖像輸入到該系統(tǒng)，其同樣經(jīng)過編碼進入之前的圖像功能網(wǎng)絡(luò)模塊，經(jīng)過類似的類神經(jīng)傳輸信號經(jīng)神經(jīng)形態(tài)電路傳遞處理后，輸出層類神經(jīng)元胞體器件活動也呈現(xiàn)某種特征，該特征經(jīng)過解碼后送入比對器。
[0215]比對模塊將這幅新圖像經(jīng)過圖像識別神經(jīng)形態(tài)電路提取的新特征與該公司員工特征集進行分析比較，從而做出判斷該幅圖像是否是該公司員工的圖像。
[0216]上述整個過程不同于傳統(tǒng)的軟件編程，基本是通過硬件電路進行運算的，神經(jīng)形態(tài)電路的類神經(jīng)元胞體器件和類突觸器件緊密結(jié)合了存儲與處理，不用來回從總線取操作數(shù)，只需要通過編程定義單個神經(jīng)元的運算規(guī)則和突觸的權(quán)重修改規(guī)則，大大減少了編程量，對于難于用數(shù)學(xué)建模的非形式化問題和/或非結(jié)構(gòu)化信息比較有優(yōu)勢。
[0217]三、自主機器人
[0218]機器人在復(fù)雜環(huán)境中，有許多突發(fā)情況和陌生環(huán)境，很難預(yù)先編寫各種實際情況的程序；而大腦在面對陌生環(huán)境，往往是結(jié)合自己的經(jīng)驗作出判斷和少量嘗試，通過學(xué)習(xí)作出反應(yīng)。比如自主避障機器人，傳統(tǒng)的算法是通過攝像頭捕獲大量環(huán)境中的視覺信息，然后通過各種算法對圖像進行處理判斷障礙物的位置，最后通過復(fù)雜的編程運算選取最優(yōu)的路徑。
[0219]人腦在面對該問題時，剛到一個陌生環(huán)境什么也不知道，往往通過之前的經(jīng)驗去嘗試，通過反反復(fù)復(fù)的跌跌撞撞的訓(xùn)練，最后熟悉這個環(huán)境，記住哪些地方是走過的，哪些地方碰到過障礙，然后根據(jù)記憶作出判斷，選擇最優(yōu)的路徑。人腦是沒有預(yù)先編程的，是通過不斷學(xué)習(xí)來處理問題的。
[0220]與此類似，基于類腦協(xié)處理器的計算機系統(tǒng)也是通過不斷地傳遞類神經(jīng)傳輸信號和自適應(yīng)修改類突觸器件的權(quán)重值，然后修改過的突觸權(quán)重又反過來影響神經(jīng)信號的傳遞，最終使得該神經(jīng)形態(tài)電路的突觸權(quán)重值趨于穩(wěn)定，輸出層神經(jīng)元的活動也趨于穩(wěn)態(tài)，這個過程就是一個學(xué)習(xí)的過程。
[0221]類腦協(xié)處理器在經(jīng)過反復(fù)的陌生環(huán)境的視覺圖像經(jīng)過編碼后激勵神經(jīng)形態(tài)電路，神經(jīng)形態(tài)電路的輸出特征經(jīng)過解碼后送回計算機(或者直接驅(qū)動機器人上的電機運動)，機器人位置改變后拍攝的新圖像又會反復(fù)激勵自主機器人神經(jīng)形態(tài)電路，通過解碼控制電機運動，碰到障礙物后一次訓(xùn)練結(jié)束。每次訓(xùn)練后的神經(jīng)形態(tài)電路輸出層類神經(jīng)傳輸信號特征經(jīng)過解碼后都存儲在存儲模塊，新的一次訓(xùn)練都會通過比對器去選擇與訓(xùn)練特征集合中不同特征的路徑，這樣通過幾次訓(xùn)練，就能找到一條沒有障礙物的優(yōu)良路徑。
[0222]四、智能監(jiān)控
[0223]現(xiàn)有的許多應(yīng)用監(jiān)控都只是記錄的功能，并不能根據(jù)監(jiān)控內(nèi)容實時地對危險異常情況作出反應(yīng)，傳統(tǒng)的軟件編程很難預(yù)知會在視頻里面出現(xiàn)哪種特殊情況，因此很難提前編好對應(yīng)的處理對策。
[0224]基于類腦協(xié)處理器的計算機系統(tǒng)在智能監(jiān)控過程中不斷的接收監(jiān)控視頻流，甚至在編碼的時候就選擇性編碼，只接收視頻中有變化的幀，大大減少數(shù)據(jù)量，類似于人在面對視頻的時候注意力會專注靜止視頻中的突然變化的動態(tài)。
[0225]基于類腦協(xié)處理器的計算機系統(tǒng)經(jīng)過反復(fù)的訓(xùn)練，存儲各種突發(fā)情況經(jīng)過神經(jīng)形態(tài)電路處理后的類神經(jīng)傳輸信號特征，比如公園監(jiān)控中有人翻圍墻，道路監(jiān)控中有車輛飛速行駛等，在遇到類似的視頻突發(fā)情況時，其會比對訓(xùn)練特征集中的情況(類似于經(jīng)驗搜索)快速做出判斷，發(fā)出警報或者提示危險的位置。
[0226]結(jié)合上述具體使用例可以發(fā)現(xiàn)，基于類腦協(xié)處理器的計算機系統(tǒng)類似于具有學(xué)習(xí)能力的孩子，在毫無所知的情下，沒有預(yù)先編好的程序，但其通過訓(xùn)練各種情景，不斷學(xué)習(xí)并存儲各種情況的特征，形成特征集合，類似于實現(xiàn)經(jīng)驗積累?；陬惸X協(xié)處理器的計算機系統(tǒng)經(jīng)過的訓(xùn)練越多、種類越多，其處理能力越強。在針對新的情況時，其通過神經(jīng)形態(tài)電路特征提取后與經(jīng)驗特征集合比對后，做出判斷和對應(yīng)的措施?；陬惸X協(xié)處理器的計算機系統(tǒng)通過硬件實現(xiàn)類腦計算，處理非形式化問題和非結(jié)構(gòu)化信息，與軟件編程相比，速度快、效率高、能耗低。
[0227]最后應(yīng)當說明的是:以上實施例僅用以說明本發(fā)明的技術(shù)方案而非對其限制，盡管參照上述實施例對本發(fā)明進行了詳細的說明，所屬領(lǐng)域的普通技術(shù)人員應(yīng)當理解:依然可以對本發(fā)明的【具體實施方式】進行修改或者等同替換，而未脫離本發(fā)明精神和范圍的任何修改或者等同替換，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當中。
[0228]參考文獻:
[0229][I]A digital neurosynaptic core using embedded crossbar memory with45pjper spike in45nm， 19_21Sept.2011， A digital neurosynaptic core using embeddedcrossbar memory with45pj per spike in45nm，Merolla P，Arthur Jj Akopyan F，et al..
[0230][2] Solid-State Circuits, IEEE Journal of, Aug.2013，Sp i NNaker: A1-W18~Core System-on-Chip for Massively-Parallel Neural Network Simulat1n, PainkrasE，Plana L A，Garside J，et al..
[0231][3] Proceedings of the IEEE，2010，98 (12): 2201-2227，Phase changememory, Wong H Pj Raoux S，Kim S B，et al..
[0232][4] Proceedings of the IEEE，2012，100 (6): 1951-1970，Metal - oxideRRAMj Wong H S P，Lee H Y，Yu S，et al..
[0233][5]Advanced Materials, March25,2013,A Low Energy Oxide -Based ElectronicSynaptic Device for Neuromorph