CN114881220B - 一种基于fhn神经元的三次非线性函数拟合电路 - Google Patents
一种基于fhn神经元的三次非线性函数拟合电路 Download PDFInfo
- Publication number
- CN114881220B CN114881220B CN202210535198.8A CN202210535198A CN114881220B CN 114881220 B CN114881220 B CN 114881220B CN 202210535198 A CN202210535198 A CN 202210535198A CN 114881220 B CN114881220 B CN 114881220B
- Authority
- CN
- China
- Prior art keywords
- circuit
- nonlinear function
- fhn
- left end
- cubic nonlinear
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000002569 neuron Anatomy 0.000 title claims abstract description 67
- 230000005284 excitation Effects 0.000 claims description 7
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 abstract description 3
- 229910052710 silicon Inorganic materials 0.000 abstract description 3
- 239000010703 silicon Substances 0.000 abstract description 3
- 238000000034 method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 23
- 238000004088 simulation Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 230000000739 chaotic effect Effects 0.000 description 5
- 238000007599 discharging Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- FKNQFGJONOIPTF-UHFFFAOYSA-N Sodium cation Chemical compound [Na+] FKNQFGJONOIPTF-UHFFFAOYSA-N 0.000 description 2
- 229910001415 sodium ion Inorganic materials 0.000 description 2
- NPYPAHLBTDXSSS-UHFFFAOYSA-N Potassium ion Chemical compound [K+] NPYPAHLBTDXSSS-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003985 ceramic capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 229910001414 potassium ion Inorganic materials 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Networks Using Active Elements (AREA)
Abstract
本发明涉及电子神经元技术领域,尤其涉及一种基于FHN神经元的三次非线性函数拟合电路,包括拟合三次非线性函数电路和FHN神经元主电路,以及拟合三次非线性函数电路与FHN神经元主电路电性连接,拟合三次非线性函数电路包括:电阻R1‑R8、Ra‑Rc、运算放大器U1‑U3、三极管Q1、Q2、直流电流源I0和直流电压源Vcc;FHN神经元主电路包括:电阻R9‑R16、运算放大器U4‑U6、电容C1、C2、直流电压源V和交流电压源Vs。本发明解决现有技术中FHN神经元电路实现,因三次非线性项的实现需要使用乘法器,造成成本高、IC集成电路中占用较大硅基面积的技术难题。
Description
技术领域
本发明涉及电子神经元技术领域,尤其涉及一种基于FHN神经元的三次非线性函数拟合电路。
背景技术
神经元是生物神经系统的基本功能单位,能在人体中产生多种电活动,并对外部施加的刺激做出反应。迄今为止,神经科学还无法很好地分析大脑的信息处理和认知功能。神经科学中提出的FitzHugh-Nagumo(FHN)模型被用于揭示放电活动,从而实现类似大脑的硬件设备。但是,FHN模型电路需要两个乘法器来实现神经元模型中的三次非线性函数功能,在电路实现过程中消耗了大量的资源。
针对相关技术中FHN神经元模型电路实现因三次非线性函数使用乘法器造成的成本高、IC集成电路中占用较大硅基面积的技术难题,目前尚未提出有效的解决方案。
发明内容
本发明解决的技术问题是:现有技术中FHN神经元电路实现,因三次非线性项的实现需要使用乘法器,造成成本高、IC集成电路中占用较大硅基面积的技术难题。
本发明所采用的技术方案是:一种基于FHN神经元的三次非线性函数拟合电路包括:拟合三次非线性函数电路和FHN神经元主电路,拟合三次非线性函数电路与FHN神经元主电路电性连接;
进一步的,拟合三次非线性函数电路包括:电阻R1-R8、Ra-Rc、运算放大器U1-U3、三极管Q1、Q2、直流电流源I0和直流电压源Vcc,R1右端与U1的反相输入端和Rc左端连接,Rc右端与U1输出端和Q1基极连接,Ra与Rb并联的上端连接Vcc,下端分别与Q1和Q2的集电极连接,Q1和Q2的共发射极与I0连接,Ra的下端还与R3的左端连接,Q2的集电极和基极串联R4和R5,R4和R5的串联点与U2的同相输入端连接,R3的右端与U2的反相输入端和R6的左端连接,R6的右端分别与U2的输出端和R7的左端连接,R7的右端分别与U3的反相输入端、R8的左端和R2的右端连接,R2的左端与R1的左端连接,R8的右端与U3的输出端连接,U1、U3的同相输入端和Q2基极接地;
进一步的,FHN神经元主电路包括:电阻R9-R16、运算放大器U4-U6、电容C1、C2、直流电压源V和交流电压源Vs,R9的左端与拟合三次非线性函数电路输出端连接,R10的左端与交流电压源Vs连接,R9、R10和R11的右公共端与U4反相输入端连接,C1与U4反相输入端和U4输出端并联,U4输出端与R15左端连接,R15的右端与U5反相输入端和R16的左端连接,R16的右端与U5输出端连接,U5输出端与R14的左端和拟合三次非线性函数电路输入端连接,R13的左端与直流电压源V连接,R12、R13、R14的右公共端分别与C2的左端和U6的反相输入端连接,C2的右端分别与U6输出端和R12的左端连接,U6的输出端与R11的左端连接;
进一步的,拟合三次非线性函数电路的拟合电路方程表示为:
其中,vi是1个电路状态变量,R2、R7、Rc为拟合三次非线性函数等效电路元件参数,VT是晶体管的热电压。
进一步的,根据基尔霍夫定律,FHN神经元主电路的积分通道对应的电路方程表示为:
其中,vx、vy是2个电路状态变量,vS=Vmsin(2πFt),Vm和F分别为外加激励幅值和频率,C1、C2、R11、R12、R13、R14为FHN神经元主电路元件参数。
本发明的有益效果:
1、现有技术中使用乘法器对神经元模型三次多项式非线性特征进行拟合,造成的成本高、效率低下的技术问题,进而达到了避免使用乘法器对神经元模型进行拟合,提高效率,降低成本的效果;
2、通过三次非线性项拟合后的FHN神经元模型产生不同的放电模式;制作了硬件电路,对FHN神经元的放电模态进行了实验验证。
附图说明
图1是本发明拟合三次非线性函数模型的模拟电路图;
图2是本发明FHN神经元模型的模拟电路图;
图3是本发明FHN神经元模型的三次多项式非线性的局部特征拟合结果图;
图4是本发明Im=1、f=0.01时,数值仿真FHN神经元处于周期尖峰放电模态的相轨图和时域波形图;
图5是本发明Im=1、f=0.16时,数值仿真FHN神经元处于混沌放电模态的相轨图和时域波形图;
图6是本发明Im=1.6、f=0.23时,数值仿真FHN神经元处于准周期放电模态的相轨图和时域波形图;
图7是本发明中基于PCB板的FHN电子神经元与实验平台截图;
图8是本发明Vm=1V、F=100Hz时,硬件实验捕获FHN神经元处于周期尖峰放电模态的相轨图和时域波形图;
图9是本发明Vm=1V、F=1.6kHz时,硬件实验捕获FHN神经元处于混沌放电模态的相轨图和时域波形图;
图10是本发明Vm=1.6V、F=2.3kHz时,硬件实验捕获FHN神经元处于准周期放电模态的相轨图和时域波形图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,此图为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
一种基于FHN神经元的三次非线性函数拟合电路,包括:图1的拟合三次非线性函数模型的电路和图2的FHN神经元主电路,拟合三次非线性函数电路和FHN神经元主电路,拟合三次非线性函数电路与FHN神经元主电路电性连接;
FHN神经元模型是由Hodgkin-Huxley模型简化而来的一种神经元模型,无量纲形式如下:
其中,x和y分别为膜电位和钠离子门控变量,I是对神经元施加的外部刺激,参数a和b分别是钾离子电势和钠离子电势平衡态对应的常数,参数c为时间常数,用于控制门控速率,这三个参数决定了神经元的生理状态。
使用函数f(x)=2tanh(x)–x对FHN模型的三次多项式非线性特征的函数f(x)=x-x3/3进行拟合;
图3是根据本实施例中f(x)=2tanh(x)–x对f(x)=x-x3/3进行拟合结果图,在[-2,2]区间内,f(x)=2tanh(x)–x与函数f(x)=x-x3/3有相同的局部特征及变化趋势,显然,它们都局部极小值和局部极大值。
通过不同振幅和频率的正弦周期激励I对FHN神经元的三次非线性函数拟合模型进行刺激,获取神经元产生的不同放电模态。
利用函数f(x)=2tanh(x)–x对FHN神经元模型重构,得到无量纲表达式为:
其中,I=Im sin(2πfτ)是外部刺激的表达式,其中Im和f是振幅和频率,τ是系统时间。
在电子神经元实现中采用更为方便的电压源激励代替电流激励,即vs=Vm sin(2πFτ)V,F和Vm外加激励信号的频率和幅值,则I=-vs/R10=Im sin(2πfτ),由于Im sin(2πfτ)的存在,FHN神经元模型是一个非自治系统;
根据公式(2)并结合图1、图2电路得到拟合三次非线性函数电路方程和FHN神经元的三次非线性函数拟合电路状态方程为:
三次非线性函数模拟方程如下:
v0=H(vi)=2tanh(vi)-vi (3)
由三次非线性函数模拟方程得到拟合三次非线性函数电路状态方程为:
根据基尔霍夫定律,FHN神经元主电路的积分通道对应的电路方程表示为:
其中,VT为受到室温影响下晶体管的热电压;vS=Vmsin(2πFt),其中Vm和F分别为外加激励的幅值和频率;I0=1.1mA,Rc=520Ω,Ra=Rb=1k,,R1=R2=R3=R4=R5=R6=R8=R9=R10=R11=10k0,R7=5k,R=10kΩ,VT=26mV,VCC=15V,V=0.7V,R12=125k1,R13=R14=100k0,C1=C2=C=10nF。
在本申请实施例中,当Im和f和取不同值时,非线性项拟合后的FHN神经元模型可产生不同的放电模式;
图4是Im=1、f=0.01时,FHN神经元处于周期放电模态的相轨图和时域波形图;图5是Im=1、f=0.16时,FHN神经元处于混沌放电模态的相轨图和时域波形图;图6是Im=1.6、f=0.23时,FHN神经元处于混沌放电模态的相轨图和时域波形图。
图7是基于PCB板的FHN电子神经元与实验平台截图,其中离散电路元件包括无源电路元件可调电位器、贴片电阻、陶瓷电容和三极管MPS2222以及有源电路器件±15V电源供电的运算放大器AD711JN。值得注意的是,原理电路中的运算放大器U3和U4仅用一个运算放大器实现,这是为了节省元件简化电路方面考虑。
从示波器捕获不同电路参数下FHN电子神经元的放电行为,电路参数与数值仿真参数的对应的数值关系为:Vm=I与F=f/RC=f/0.0001。如图8,图9和图10所示。图8是Vm=1V、F=100Hz时,硬件实验捕获FHN神经元处于周期尖峰放电模态的相轨图和时域波形图;图9是Vm=1V、F=1.6kHz时,硬件实验捕获FHN神经元处于混沌放电模态的相轨图和时域波形图;图10是Vm=1.6V、F=2.3kHz时,硬件实验捕获FHN神经元处于准周期放电模态的相轨图和时域波形图。
对比图4、图5、图6数值仿真结果与图8、图9、图10硬件实验结果,可见所提出的三次非线性拟合电路很好地实现了FHN电子神经元电路,且能够以简单的硬件电路实现实验观测FHN神经元模型的放电模态。这些都验证了所提出的一种基于FHN神经元的三次非线性函数拟合电路的有效性,可为基于FHN神经元的应用提供硬件技术支撑。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (2)
1.一种基于FHN神经元的三次非线性函数拟合电路,其特征在于,包括:拟合三次非线性函数电路和FHN神经元主电路,拟合三次非线性函数电路与FHN神经元主电路电性连接;
所述拟合三次非线性函数电路包括:电阻R1-R8、Ra-Rc、运算放大器U1-U3、三极管Q1、Q2、直流电流源I0和直流电压源Vcc,R1右端与U1的反相输入端和Rc左端连接,Rc右端与U1输出端和Q1基极连接,Ra与Rb并联的上端连接Vcc,下端分别与Q1和Q2的集电极连接,Q1和Q2的共发射极与I0连接,Ra的下端还与R3的左端连接,Q2的集电极和基极串联R4和R5,R4和R5的串联点与U2的同相输入端连接,R3的右端与U2的反相输入端和R6的左端连接,R6的右端分别与U2的输出端和R7的左端连接,R7的右端分别与U3的反相输入端、R8的左端和R2的右端连接,R2的左端与R1的左端连接,R8的右端与U3的输出端连接,U1、U3的同相输入端和Q2基极接地;
所述FHN神经元主电路包括:电阻R9-R16、运算放大器U4-U6、电容C1、C2、直流电压源V和交流电压源Vs,R9的左端与拟合三次非线性函数电路输出端连接,R10的左端与交流电压源Vs连接,R9、R10和R11的右公共端与U4反相输入端连接,C1与U4反相输入端和U4输出端并联,U4输出端与R15左端连接,R15的右端与U5反相输入端和R16的左端连接,R16的右端与U5输出端连接,U5输出端与R14的左端和拟合三次非线性函数电路输入端连接,R13的左端与直流电压源V连接,R12、R13、R14的右公共端分别与C2的左端和U6的反相输入端连接,C2的右端分别与U6输出端和R12的左端连接,U6的输出端与R11的左端连接;
所述拟合三次非线性函数电路的电路方程表示为:
其中,vi是1个电路状态变量,R2、R7、Rc为拟合三次非线性函数等效电路元件参数,VT是晶体管的热电压。
2.根据权利要求1所述的基于FHN神经元的三次非线性函数拟合电路,其特征在于,所述FHN神经元主电路的积分通道对应的电路方程表示为:
其中,vx、vy是2个电路状态变量,C1、C2、R11、R12、R13、R14为FHN神经元主电路元件参数,vS=Vmsin(2πFt),Vm和F分别为外加激励幅值和频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210535198.8A CN114881220B (zh) | 2022-05-17 | 2022-05-17 | 一种基于fhn神经元的三次非线性函数拟合电路 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210535198.8A CN114881220B (zh) | 2022-05-17 | 2022-05-17 | 一种基于fhn神经元的三次非线性函数拟合电路 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114881220A CN114881220A (zh) | 2022-08-09 |
CN114881220B true CN114881220B (zh) | 2023-11-14 |
Family
ID=82675405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210535198.8A Active CN114881220B (zh) | 2022-05-17 | 2022-05-17 | 一种基于fhn神经元的三次非线性函数拟合电路 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114881220B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4903226A (en) * | 1987-08-27 | 1990-02-20 | Yannis Tsividis | Switched networks |
US5061866A (en) * | 1990-08-06 | 1991-10-29 | The Ohio State University Research Foundation | Analog, continuous time vector scalar multiplier circuits and programmable feedback neural network using them |
US5568414A (en) * | 1993-03-22 | 1996-10-22 | Fuji Xerox Co., Ltd. | Nonlinear operation unit and data processing apparatus using the nonlinear operation unit |
CN104689473A (zh) * | 2015-02-02 | 2015-06-10 | 天津大学 | 基于fpga的电刺激下神经元随机响应及共振实验平台 |
CN109978159A (zh) * | 2019-03-19 | 2019-07-05 | 常州大学 | 一种简易的Fitzhugh-Nagumo神经元电路 |
CN110097182A (zh) * | 2019-04-10 | 2019-08-06 | 常州大学 | 用神经激活梯度λ控制的三维Hopfield神经网络模型实现电路 |
CN112884141A (zh) * | 2021-04-16 | 2021-06-01 | 安徽大学 | 一种忆阻耦合Hindmarsh-Rose神经元电路 |
CN112906878A (zh) * | 2021-03-11 | 2021-06-04 | 杭州电子科技大学 | 一种模拟电磁辐射下的Hopfield神经网络模型 |
CN113344191A (zh) * | 2021-05-19 | 2021-09-03 | 常州大学 | 具有超级多稳定性的连续型Rulkov电子神经元电路 |
CN113971458A (zh) * | 2021-10-13 | 2022-01-25 | 常州大学 | 一种基于无乘法器实现的神经元电路 |
-
2022
- 2022-05-17 CN CN202210535198.8A patent/CN114881220B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4903226A (en) * | 1987-08-27 | 1990-02-20 | Yannis Tsividis | Switched networks |
US5061866A (en) * | 1990-08-06 | 1991-10-29 | The Ohio State University Research Foundation | Analog, continuous time vector scalar multiplier circuits and programmable feedback neural network using them |
US5568414A (en) * | 1993-03-22 | 1996-10-22 | Fuji Xerox Co., Ltd. | Nonlinear operation unit and data processing apparatus using the nonlinear operation unit |
CN104689473A (zh) * | 2015-02-02 | 2015-06-10 | 天津大学 | 基于fpga的电刺激下神经元随机响应及共振实验平台 |
CN109978159A (zh) * | 2019-03-19 | 2019-07-05 | 常州大学 | 一种简易的Fitzhugh-Nagumo神经元电路 |
CN110097182A (zh) * | 2019-04-10 | 2019-08-06 | 常州大学 | 用神经激活梯度λ控制的三维Hopfield神经网络模型实现电路 |
CN112906878A (zh) * | 2021-03-11 | 2021-06-04 | 杭州电子科技大学 | 一种模拟电磁辐射下的Hopfield神经网络模型 |
CN112884141A (zh) * | 2021-04-16 | 2021-06-01 | 安徽大学 | 一种忆阻耦合Hindmarsh-Rose神经元电路 |
CN113344191A (zh) * | 2021-05-19 | 2021-09-03 | 常州大学 | 具有超级多稳定性的连续型Rulkov电子神经元电路 |
CN113971458A (zh) * | 2021-10-13 | 2022-01-25 | 常州大学 | 一种基于无乘法器实现的神经元电路 |
Non-Patent Citations (2)
Title |
---|
A Simple Third-Order Memristive Band Pass Filter Chaotic Circuit;Bocheng Bao et al;《IEEE TRANSACTIONS》;第64卷(第8期);第977-981页 * |
电磁刺激对FHN神经元系统的调控作用;曲良辉 等;《动力学与控制学报》;第18卷(第1期);第40-47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114881220A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4174825B2 (ja) | 生体刺激装置 | |
Dorgan et al. | A model for human skin impedance during surface functional neuromuscular stimulation | |
JP3503135B2 (ja) | 生体刺激装置 | |
JPWO2008007638A1 (ja) | 皮膚通電測定装置 | |
CN109999342B (zh) | 一种用于调节刺激人体的刺激电脉冲的装置 | |
CN114881220B (zh) | 一种基于fhn神经元的三次非线性函数拟合电路 | |
CN109260591A (zh) | 经颅刺激方法和装置 | |
JP2019058666A (ja) | 刺激装置及びその方法 | |
CN113033793B (zh) | 一种双极性脉冲电流激励二维Wilson神经元模型的电路 | |
CN104689474B (zh) | 一种多波形调制脉冲针刺镇痛麻醉仪 | |
Wang et al. | A wireless wearable surface functional electrical stimulator | |
Maeda et al. | A pulse-type hardware neuron model with beating, bursting excitation and plateau potential | |
Karpul et al. | Low-power transcutaneous current stimulator for wearable applications | |
JP4174831B2 (ja) | 生体刺激装置 | |
CN206473662U (zh) | 基于R*ssler混沌模型的神经电刺激系统 | |
CN101507855B (zh) | 超混沌保健装置 | |
Arapi et al. | A Microcontroller-Controlled Optocoupler-Based Memristor Emulator and Its Usage in a Low-Pass Filter | |
Qin et al. | A wireless universal brain-machine interface (bmi) system for epileptic diseases | |
JPS63122468A (ja) | 浴室用低周波治療器 | |
CN219577029U (zh) | 一种用于理疗仪的波形发生电路 | |
CN106377840A (zh) | 基于R*ssler混沌模型的神经电刺激系统及控制方法 | |
Sasmal et al. | Development of low cost electrical nerve stimulator based on a simple circuit topology | |
Tyler et al. | Wearable FES Electrodes | |
Jaw et al. | Microcomputer-based pulse stimulator | |
Chu et al. | Feedback control of electrode offset voltage during functional electrical stimulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |