模擬神經元

人工神經網絡是現代信息處理領域的一個重要的方法，相對於軟件實現，硬件實現方式能充分發揮神經網絡並行處理的特點。用模擬電路實現神經網絡電路形式簡單、功耗低、速度快、佔用芯片面積小，可以提高在神經網絡芯片上神經元的集成度，神經元電路適合用模擬電路實現。 ^[2] 

用模擬電子技術實現的神經元器件，稱為模擬神經元器件。一個模擬神經元器件，通常由胞體、樹突、軸突和突觸四大部分電路組成。作為一個神經元器件，應具有的功能特徵是：

(1)是一個多輸入單輸出的處理單元；

(2)具有加權求和能力；

(3)具有閾值處理或非線性函數處理能力；

(4)突觸權值是可調節的。

為了甩模擬電子技術來實現這些功能，通常，人們用模擬運算放大器來代表胞體，用導線來代表樹突和軸突，用電阻器來代表突觸連接，其阻值即為連接權值。比如，典型的Hopfield網絡中的模擬型神經元就是這樣實現的。圖1所示即為一個模擬電子神經網絡的結構，它是一個全互連聯想記憶模型的實現。圖1中，水平線為輸入，垂直線為輸出。每個神經元器件的輸出通過一電阻器與其他神經元器件輸出相連。 ^[2] 

模擬型電子神經網絡的學習功能是通過改變突觸電路的權值來實現的，如何實現突觸權值的變化是設計和實現這類電子神經元的關鍵。在模擬電路的實現技術中，有四種改變權值的方法，即控制MOS晶體管的導通電阻，控制導通晶體管的數目，採用RAM電路以及採用高集成度的薄膜技術(包括非晶半導體技術、金屬氮氧化物半導體MNOS技術等)。 ^[2] 

1．控制MOS晶體管的導通阻抗

一個典型的3輸入神經元的模擬電路實現原理如圖2所示，電路通過控制MOS晶體管的導通阻抗來改變權值。該電路分為突觸(T₁~T₃和T₁₈~T₂₀)、樹突(T₄~T₁₁)和細胞體(T₁₂~T₁₇)三部分，分別具有權值控制、加權求和運算和閾值處理功能。 ^[2] 

在上述電路中，權值控制由乘法電路實現。當給開關晶體管了T₁₈加上一權值輸入電壓W₁，且柵極S處於低電平時，T₁₈導通，將信息以電荷形式積蓄在門電路了，中。顯然，W₁值越大,T₁積蓄電荷量越多，權值就越大；反之，權值就越小。權值輸入W₁與來自其他神經元的輸出信號V1相乘，成為T₁與T₄管之間的電壓W₁V₁。經樹突電路中晶體管T₄和T₇，將乘積傳送到A點。同樣，從其他神經元來的信號V₂、V₃,分別通過了T₁₉，T₂₀與權值W₂，W₃對應相乘，得部分積W₂V₂，W₃V₃，並傳送到A點。

加法運算∑W_iV_i,在節點A處實現。在節點A處，來自各樹突支路的輸入信號以電荷形式累積，並供給細胞體電路。閾值處理是利用T₁₂和T₁₃構成的反相器的閾值，與節點A來的電位進行比較，以決定神經元電路的輸出電壓V₀。 ^[2] 

2．用RAM電路控制權值

圖3表示的是一種採用RAM電路來存儲和改變連接權值的方案。假設每個神經元都具有兩個RAM單元，一個為興奮性RAM單元，另一個為抑制性RAM單元。它們分別控制一個開關晶體管，決定連接權的類型。當有一RAM單元存儲值為1，且放大器輸出為“高”時，形成一電流源，作為另一放大器i的一路輸入；當兩個RAM單元存儲值均為0時，相連開關晶體管處於“開”狀態，即斷路，則放大器j的輸入不影響放大器i的輸出。因此，有三種連接類型，興奮連接—T₁接通，抑制連接—T₄接通，斷開狀態—T₁和T₄均斷開。由RAM單元實現的連接權作用，只需簡單的編程，設置相應單元的值，便可實現不同類型連接輸入。 ^[2] 

3.由導通晶體管數目改變權值

圖4所示電路即為通過控制導通晶體管數目來改變神經元的連接權值的電路。它由四組晶體管實現權值Wij的變化，每組有(n+1)個晶體管。圖4中T_SCN用來控制神經元之間的連接關係，T₀~T_(N-1)和T_SCN的導通、截止信息存儲在(n+1)個相連觸發器中，由處理機控制。 ^[2] 

4．採用MNOS技術控制權值

圖5所示為採用MNOS技術實現突觸連接的電路構造。柵極S是金屬氮氧化物半導體材料做成的，通過氮化膜中注入的電荷量控制柵極的勢阱深度。這種改變權值方法的核心是用通過MNOS的電荷量來改變權值的大小。 ^[2] 

有機體神經元具有很強的學習能力，為了在機器學習中運用這種能力，人們進行了大量的研究工作。圖6是神經元的簡單模型。雖然這個模型僅僅是對生物學神經元的一種近似，但是它已經成為非常重要的計算模型。這些模擬神經元組成的網絡，即人工神經網絡或ANN，已經證明在許多機器視覺問題上非常有用，特別是因為它們的學習能力。人工神經網絡能夠學習多維空間中樣本的複雜結構，與最近鄰分類方法相比需要較少的內存，它還可實現海量的並行計算。 ^[3]