9.1人工神经网络概述大规模集成电路技术的发展，使得数字式权值存储电路实现方便，且具有精度高、可靠、不易丢失和设计简便等特点。下图所示为清华大学微电子所设计的数字式权值存储的突触电路WsignVsignXXloutVin16:1
9.1 人工神经网络概述 8:1 4:1 2:1 1:1 8:1 4:1 2:1 1:1 B7 B6 B5 B4 B3 B2 B1 B0 1:1 1:1 1:1 16:1 Vsign Wsign Iout Vin 大规模集成电路技术的发展，使得数字式权值存 储电路实现方便，且具有精度高、可靠、不易丢失 和设计简便等特点。下图所示为清华大学微电子所 设计的数字式权值存储的突触电路
9.1人工神经网络概述这是一种具有8位数字权值和符号运算功能的突触电路，通过数字权值实现神经元加权求和其中Bo～B,表示8位数字权值，Wsign和Vsion为1 bit数字量，分别表示权值和输入电压符号，1表示正，0表示负。这里Wsi和Vsin进行逻辑同或运算，当Wsign为1时，表示输出结果为正，输出电流流入I，当Wsign为时，输出结果为负，电流流入I，然后由后面电流加减和比例电路实现Iout= I + - I
9.1 人工神经网络概述 这是一种具有8位数字权值和符号运算功能的 突触电路，通过数字权值实现神经元加权求和。 其中B0 ～B7表示8位数字权值，Wsign和Vsign为1 bit 数字量，分别表示权值和输入电压符号，1表示 正，0表示负。这里Wsign和Vsign进行逻辑同或运 算，当Wsign 为1时，表示输出结果为正，输出电 流流入I+ ，当Wsign为0时，输出结果为负，电流 流入I- ，然后由后面电流加减和比例电路实现 Iout = I + - I -
9.1人工神经网络概述(2)突触求和单元的电路实现现在最常用的神经元突触主要是线性突触和平方突触。突触电路是人工神经网络模型电路实现中数量最多、也是最基本的单元电路，因此，在设计模拟网络突触电路时除了要考虑电路的速度、精度等指标外，更重要的是要求突触电路结构简单、占用芯片面积小、功耗低等要求
9.1 人工神经网络概述 (2) 突触求和单元的电路实现 现在最常用的神经元突触主要是线性突触和平方 突触。突触电路是人工神经网络模型电路实现中数 量最多、也是最基本的单元电路，因此，在设计模 拟网络突触电路时除了要考虑电路的速度、精度等 指标外，更重要的是要求突触电路结构简单、占用 芯片面积小、功耗低等要求
9.1人工神经网络概述下图所示为电压型MOS向量模拟乘法器构成的突触电路，乘法器的输出电压值V。公式为：V。 = μuCox(W / L)RAX ×△YMVY2DY3VoVMAIX电压型MOS向量乘法器突触电路
9.1 人工神经网络概述 下图所示为电压型MOS 向量模拟乘法器构成的 突触电路，乘法器的输出电压值Vo 公式为： ( / ) V C W L R X Y o OX = Y1 Y2 Y3 Y4 X1 X2 X2 M3 X1 I f R R V+ I 1 o V- V M4 M2 M1 A 电压型MOS向量乘法器突触电路
9.1人工神经网络概述把左图电路扩展为多路数据的电压型加权求和突触电路，如右图所示，图中分别用两个MOS管代替如左图中的电阻R，输出级带有由运放A2)R,、R,组成的反相比例输出级。光光光MLMRDXMY1Y正YYX店Y22Y1MY4XYn2XYoX电压型MOS向量乘法器突触电路电压型加权求和的突触电路
9.1 人工神经网络概述 把左图电路扩展为多路数据的电压型加权求和 突触电路，如右图所示，图中分别用两个MOS管 代替如左图中的电阻R，输出级带有由运放A 2、 R1、Rf 组成的反相比例输出级。 A 1 A2 R f R1 Vo Vc1 Vc2 Vc1 Vc2 Xn 1 Xn 2 X2 1 X2 2 X1 1 X1 2 Xn 2 Xn 1 X2 2 X2 1 X1 2 X1 1 Yn 1 Yn 2 Y2 1 Y2 2 Y1 1 Y1 2 Y1 1 Y2 2 Y2 1 Yn 2 Yn 1 Y1 2 Y1 Y2 Y3 Y4 X1 X2 X2 M3 X1 I f R R V+ I 1 o V- V M4 M2 M1 A 电压型MOS向量乘法器突触电路 电压型加权求和的突触电路