事件驅動神經形態系統

《事件驅動神經形態系統》是北京航空航天大學出版社出版圖書。

基本介紹

• 中文名：事件驅動神經形態系統
• 別名：Event-based Neuromorphic Systems
• 作者：[瑞士] Shih-Chii，Liu，[美] Tobi，Delbruck著
• 出版時間：2022年1月1日
• 出版社：北京航空航天大學出版社
• 頁數：384 頁
• ISBN：9787512432307
• 開本：16 開
• 裝幀：平裝

內容簡介

　　《事件驅動神經形態系統》系統地描述了神經形態工程領域的新技術，包括構建完整的神經形態晶片和解決製造多晶片可擴展系統面臨的技術問題。

　　《事件驅動神經形態系統》主要內容分為兩部分。首部分（第2-6章）描述了所構建的AER通信體系結構、AER感測器和電子神經模型，其中，第2-5章用樹狀圖描述了將架構和電路關聯起來的歷史，並引導讀者閱讀大量文獻；第6章描述了關於事件驅動系統學習的大部分理論知識。第二部分（第7-16章）面向神經形態電子系統構建方向的讀者，提供了用於構建感測器和計算單元建模神經系統構建基塊的各種方法信息，包括矽神經元、矽突觸、矽耳蝸電路、浮柵電路和可程式控制器數字偏置發生器的詳細信息，還包括硬體和軟體通信基礎結構，以及事件驅動感測器輸出算法處理的相關內容。

　　《事件驅動神經形態系統》以第17章結尾，梳理了當前計算機與神經系統在實現計算處理方式上的差異，討論了認知神經形態系統發展的長期途徑。

圖書目錄

第1章簡介1

1.1起源與歷史背景2

1.2建立有用的神經形態系統4

參考文獻5

第一部分理解神經形態系統第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連結設計注意事項18

2.3.1權衡:動態分配還是靜態分配19

2.3.2權衡:仲裁訪問還是衝突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單發單收25

2.4.2多發多收27

2.4.3並行信號協調28

2.4.4字串列定址29

2.4.5串列差分信號29

2.5討論30

參考文獻31

第3章矽視網膜34

3.1簡介34

3.2生物視網膜35

3.3具有串列模擬輸出的矽視網膜36

3.4事件驅動的異步像素輸出與同步幀36

3.5AER視網膜37

3.5.1動態視覺感測器39

3.5.2基於時間的異步圖像感測器42

3.5.3異步ParvoMagno視網膜模型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感測器46

3.6矽視網膜像素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矽視網膜新規範55

3.7.1DVS回響均勻性55

3.7.2DVS背景活動56

3.7.3DVS動態範圍57

3.7.4DVS延遲和抖動57

3.8討論58

目錄事件驅動神經形態系統參考文獻61

第4章矽耳蝸66

4.1簡介66

4.2耳蝸結構70

4.2.1級聯一維70

4.2.2基本的一維矽耳蝸71

4.2.3二維架構72

4.2.4電阻(導電)網路73

4.2.5BM諧振器73

4.2.6二維矽耳蝸模型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套用:基於尖峰的聽覺處理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有節奏的運動模式86

5.2運動控制中的神經迴路建模88

5.2.1描述運動行為89

5.2.2虛擬分析90

5.2.3連線模型92

5.2.4基本CPG結構93

5.2.5神經形態架構95

5.3工作中的神經形態CPG101

5.3.1神經假體：體內運動的控制101

5.3.2步行機器人102

5.3.3各段間協調建模104

5.4討論104

參考文獻106

第6章神經形態系統的學習113

6.1簡介：突觸連線、記憶和學習114

6.2在神經形態硬體中保留記憶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在神經形態硬體中存儲記憶121

6.3.1突觸學習模型121

6.3.2在神經形態硬體中實現突觸模型124

6.4神經形態硬體中的聯想記憶128

6.4.1吸引子神經網路中的記憶檢索128

6.4.2問題132

6.5神經形態晶片中的吸引子狀態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

第二部分建立神經形態系統第7章矽神經元145

7.1簡介145

7.2矽神經元電路塊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矽神經元實現155

7.3.1亞閾生物物理現實模型155

7.3.2事件驅動系統的緊湊型I＆F電路158

7.3.3通用I＆F神經元電路159

7.3.4高於閾值、加速時間和開關電容設計163

7.4討論167

參考文獻169

第8章矽突觸176

8.1簡介177

8.2矽突觸實現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章矽耳蝸構造模組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濾波器的穩定性211

9.2.4穩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跨線性迴路215

9.3.2二階Tau細胞對數域濾波器217

9.4指數偏差生成218

9.5內毛細胞模型220

9.6討論221

參考文獻222

第10章可程式和可配置的模擬神經形態積體電路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可程式模擬器件的精確編程230

10.6可程式模擬方法的縮放232

10.7低功耗模擬信號處理233

10.8與數字方法的低功耗比較:記憶體中的模擬計算235

10.9數字複雜度下模擬編程:大規模現場可程式模擬陣列236

10.10模擬信號處理的套用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章偏置發生器電路248

11.1簡介248

11.2偏置發生器電路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:獲得主電流的數字控制部分253

11.2.6實現偏置電流的良好單調解析度257

11.2.7粗精範圍選擇258

11.2.8小電流的偏移源偏置259

11.2.9個體偏差的緩衝和旁路解耦261

11.2.10通用偏置緩衝電路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生器結構264

11.4典型特徵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傳送器模組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模組279

12.2.4聯合作業280

12.3AER接收器模組280

12.3.1晶片級握手模組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脈衝擴展電路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章硬體基礎架構287

13.1簡介287

13.1.1監控AER事件288

13.1.2AER事件定序292

13.1.3映射AER事件293

13.2小型系統的硬體基礎架構板296

13.2.1矽皮層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接口板使用串列AER304

13.2.6可重構網狀架構307

13.3中等規模多晶片系統309

13.3.1OR+IFAT系統309

13.3.2多晶片定向系統311

13.3.3CAVIAR系統314

13.4FPGA319

13.5討論321

參考文獻323

第14章軟體基礎架構330

14.1簡介330

14.2晶片和系統描述軟體331

14.2.1可擴展標記語言332

14.2.2NeuroML332

14.3組態軟體332

14.4地址事件流處理軟體333

14.4.1現場可程式門陣列333

14.4.2AE流處理軟體的結構334

14.4.3頻寬和延遲334

14.4.4最佳化335

14.4.5應用程式編程接口335

14.4.6 AE流的網路傳輸336

14.5映射軟體336

14.6軟體示例337

14.6.1ChipDatabase:用於調整神經形態aVLSI晶片的系統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軟體基礎架構需求348

15.3嵌入式實現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採樣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章邁向大規模神經形態系統362

16.1簡介362

16.2大型系統實例362

16.2.1尖峰神經網路結構363

16.2.2分層AE365

16.2.3神經網路366

16.2.4高輸入計數模擬神經網路系統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神經電路處理的示例模型378

17.6對神經形態的認知380

參考文獻381