CN206003142U - Rbf神经元电路 - Google Patents

Rbf神经元电路 Download PDF

Info

Publication number
CN206003142U
CN206003142U CN201620536189.0U CN201620536189U CN206003142U CN 206003142 U CN206003142 U CN 206003142U CN 201620536189 U CN201620536189 U CN 201620536189U CN 206003142 U CN206003142 U CN 206003142U
Authority
CN
China
Prior art keywords
transistor
colelctor electrode
base stage
meets
stage
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.)
Expired - Fee Related
Application number
CN201620536189.0U
Other languages
English (en)
Inventor
魏榕山
姚诗晖
杨善志
陈林城
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN201620536189.0U priority Critical patent/CN206003142U/zh
Application granted granted Critical
Publication of CN206003142U publication Critical patent/CN206003142U/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Amplifiers (AREA)

Abstract

本实用新型提供一种RBF神经元电路,该电路包括第一Gilbert乘法器、第二Gilbert乘法器、开平方根电路、电阻及类高斯函数产生电路;第一Gilbert乘法器、第二Gilbert乘法器的电流输出端分别连接开平方根电路的输入端;开平方根电路的输出端分别连接电阻的一端及类高斯函数产生电路的电流输入端;电阻的另一端接地。通过给定适当的外界偏置电压,可产生一个中心可变、形状可变的二维类高斯函数。本实用新型可集成为专用的神经网络芯片,具有体积小、便携带、可嵌入等优点,可以实现高度的并行计算,克服了软件实现RBF神经元电路模块的体积大、不易携带、不易嵌入、运算速度慢的缺陷。

Description

RBF神经元电路
技术领域
本实用新型涉及一种神经元电路,具体涉及一种RBF神经元电路。
背景技术
RBF(径向基函数,Radial Basic Function)神经网络的理论模型在模式分类、函数逼近等人工智能领域得到了广泛的应用,但目前还主要集中在传统的计算机的软件模拟实现上。RBF神经网络在软件上的实现都是采用通用CPU处理器,不方便嵌入到别的应用系统中去,并且依靠体积巨大的通用计算机系统完成学习运算,不具备便携性。在运算过程中,CPU往往是要等到RBF的神经元一个接一个地计算完之后,再计算总的结果,采用的是串行计算方式,速度较慢。因此,RBF神经网络的软件实现难以满足其在人工智能应用领域高速、便携、可嵌入等方面的要求。
RBF神经网络的硬件实现,可以集成为专用的神经网络芯片,具有体积小、携带方便的特点,容易嵌入到其它系统中实现专用功能。此外,它还可以实现高度的并行计算,克服了在软件上实现RBF神经网络的缺陷。因此,RBF神经网络的硬件实现研究具有重要意义。
发明内容
本实用新型提出了一种RBF神经元的电路,通过给定适当的外界偏置电压,可产生一个中心可变、形状可变的二维类高斯函数。
本实用新型通过以下技术方案实现:一种RBF神经元电路,其特征在于:包括第一Gilbert乘法器、第二Gilbert乘法器、开平方根电路、电阻及类高斯函数产生电路;所述第一Gilbert乘法器、第二Gilbert乘法器的电流输出端分别连接开平方根电路的输入端;开平方根电路的输出端分别连接电阻的一端及类高斯函数产生电路的电流输入端;电阻的另一端接地;所述第一Gilbert乘法器第一输入端为神经元电路的第一输入端Vx,所述第二Gilbert乘法器第一输入端为神经元电路的第二输入端Vy,所述第一Gilbert乘法器第二输入端为神经元电路的第一控制端Vx0,所述第二Gilbert乘法器第二输入端为神经元电路的第二控制端Vy0,类高斯函数的第一输入端为神经元电路的第三控制端V1,类高斯函数的第二输入端为神经元电路的第四控制端V2,类高斯函数产生电路为神经元电路的输出Iout,其中Vx0、Vy0用来控制类高斯函数的中心,V1和V2用来控制类高斯函数的形状,通过在四个控制端加载适当的偏置电压,产生一个中心可变、形状可变的二维类高斯函数,二维平面上的点的坐标由Vx,Vy输入,对应的类高斯函数值由Iout输出。
在本实用新型一实施例中,所述第一Gilbert乘法器、第二Gilbert乘法器均包括第一至第十七晶体管M1~M17;第一晶体管至第六晶体管M1~M6的发射极连接在一起接高电平;第一晶体管M1的基极接第二晶体管M2的基极;第一晶体管M1的集电极接分别接第九晶体管M9的发射极及第十晶体管M10的发射极;第二晶体管M2的基极接第二晶体管的集电极;第二晶体管M2的集电极接第七晶体的管M7的集电极;第三晶体管M3的基极接第四晶体管M4的基极;第三晶体管M3的基极接第三晶体管M3的集电极;第三晶体管M3的集电极接第八晶体管M8的集电极;第四晶体管M4的集电极分别接第十一晶体管M11的发射极及第十二晶体管M12的发射极;第五晶体管M5的基极接第六晶体管M6的基极;第五晶体管M5的基极接第五晶体管M5的集电极;第五晶体管M5的集电极接第十四晶体管M14的集电极;第六晶体管M6的集电极分别接第十七晶体管M17的集电极及输出Iout1;第七晶体管M7的基极接Vw1;第七晶体管M7的发射极分别接第八晶体管的发射极及第十三晶体管M13的集电极;第八晶体管M8的基极接Vw2;第九晶体管M9的基极接第十二晶体管M12的基极;第九晶体管M9的集电极分别接第十一晶体管M11的集电极及第十五晶体管M15的集电极;第十晶体管M10的基极接第十一晶体管M11的基极;第十晶体管M10的集电极分别接第十二晶体管M12的集电极及第十六晶体管M16的集电极;第九晶体管M9和第十晶体管M10的基极分别接Vin的正负极;第十三晶体管M13的基极接Vbias;第十四晶体管M14的基极第十五晶体管M15的基极;第十五晶体管M15的基极接其集电极;第十六晶体管M16的基极接第十七管M17基极;第十六晶体管M16的基极接其集电极;第十三至第十七晶体管的发射极连接一起接地。
在本实用新型一实施例中,所述开平方根电路包括第十八至第二十六晶体管M18~M26;所述第十八晶体管M18集电极及第十九晶体管M19基极连接作为开平方根电路输入端Iin;第十八晶体管M18基极分别接第二十六晶体管M26基极、第十九晶体管M19发射极及第二十四晶体管M24集电极;第十九晶体管M19基极接第二十一晶体管M21基极;第二十晶体管M20基极接其集电极;第二十一晶体管M21发射极接第二十晶体管M20集电极;第二十一晶体管M21集电极接第二十二晶体管M22集电极;第二十二晶体管M22基极接第二十三晶体管基极;第十九晶体管M19集电极、第二十二晶体管M22发射极及第二十三晶体管M23发射极连接在一起接高电平;第二十三晶体管M23集电极分别接第二十五晶体管M25集电极及输出Iout2;第二十四晶体管M24基极分别接第二十五晶体管M25基极与输出端Vb;第二十六晶体管M26集电极接输出Iout2;第十八晶体管M18集电极及第二十四第二十六晶体管M24~M26发射极连接在一起接地。
在本实用新型一实施例中,所述类高斯函数产生电路包括第二十七至第五十二晶体管M27~M52;第二十七晶体管M27发射极、第二十八晶体管M28发射极及第三十五至第四十二晶 体管M35~M42发射极连接在一起接高电平;所述第二十七晶体管M27基极分别接第二十七晶体管M27的集电极及第二十八晶体管M28基极;第二十七晶体管M27的集电极接第二十九晶体管M29的发射极;第二十八晶体管M28集电极接第三十晶体管M30发射极;第二十九晶体管M29基极分别接第二十九晶体管M29集电极接第三十晶体管M30基极;第二十九晶体管M29集电极接第三十一晶体管M31集电极;第三十晶体管M30集电极接第四十七晶体管M47集电极;第三十一晶体管M31集电极接其基极;第三十一晶体管M31基极分别接第三十一晶体管M31集电极及第三十二晶体管M32基极;第三十一晶体管M31发射极接第三十三M33集电极;第三十二晶体管M32集电极接第三十五M35集电极;第三十二晶体管M32发射极接第三十四晶体管M34集电极;第三十三晶体管M33基极分别接第三十三晶体管M33集电极及第三十四晶体管M34基极;第三十三晶体管M33发射极、第三十四晶体管M34发射极、第五十至第五十二晶体管发射极连接在一起接地;第三十五晶体管M35基极分别连接第三十五晶体管M35集电极、第三十六晶体管M36基极、第四十一晶体管M41基极及第四十二晶体管M42基极;第三十六晶体管M36集电极接第三十七晶体管M37基极;第三十七晶体管M37集电极分别接第四十三晶体管M43集电极及接第四十五晶体管M45集电极;第三十七晶体管M37基极接第三十八晶体管M38基极;第三十八晶体管M38基极、第三十九晶体管M39集电极、第四十二晶体管M42集电极连接在一起接输出Iout3;第三十九晶体管M39基极分别接第四十晶体管M40基极及第四十一晶体管M41集电极;第四十晶体管M40集电极分别接第四十四晶体管M44集电极及第四十六晶体管M46集电极;第四十三晶体管M43基极与第四十六晶体管M46基极一起接输入Vin,第四十三晶体管M43发射极分别接第四十四晶体管M44发射极及第四十八晶体管M48集电极;第四十四晶体管M44基极接V1;第四十五晶体管M45基极接V2;第四十五晶体管M45发射极分别接第四十六晶体管M46发射极及第四十九晶体管M49集电极;第四十七晶体管M47基极分别第四十七晶体管M47集电极、第四十八晶体管M48基极、第四十九晶体管M49基极;第四十七晶体管M47发射极接第五十晶体管M50集电极;第四十八晶体管M48集电极接第五十一晶体管M51集电极;第四十九晶体管M49发射极接第五十二晶体管M52集电极;第五十晶体管M50基极分别接第五十晶体管M50集电极、第五十一晶体管M51基极、第五十二晶体管M52基极。
较佳的,所述晶体管为CMOS管。
本实用新型提出了一种RBF神经元的模拟电路实现方案。通过给定适当的外界偏置电压,可产生一个中心可变、形状可变的二维类高斯函数。该RBF神经元电路模块是RBF神经网络电路系统中最重要的基本单元,可用来搭建模式分类器、函数逼近器等神经网络电路。本实用新型可集成为专用的神经网络芯片,具有体积小、方便携带、可嵌入等优点,可以实现高度的并 行计算,克服了软件实现RBF神经元电路模块的体积大、不易携带、不易嵌入、运算速度慢的缺陷。本实用新型还可以通过增加Gilbert乘法器数目来产生更高维的类高斯函数,使其用来搭建更复杂的模式分类器、函数逼近器等神经网络电路系统,具有较强的可拓展性。本实用新型凭借其可嵌入性、便携性、高速性、可扩展等优点,有望在模式分类和函数逼近等人工智能领域得到广泛的应用。
附图说明
图1为RBF神经元电路模块的示意图。
图2为RBF神经元电路模块的原理图。
图3为Gilbert乘法器的晶体管级电路图。
图4为开平方根电路的晶体管级电路图。
图5类高斯函数产生电路的晶体管级电路图。
图6类高斯函数产生电路的仿真图。
图7类高斯函数产生电路的仿真波形与理想高斯函数对比图。
具体实施方式
下面结合附图和具体实施方式对本实用新型做进一步说明。
本实用新型提出了一种RBF神经元的模拟电路实现方案,通过给定适当的外界偏置电压,可产生一个中心可变、形状可变的二维类高斯函数。该RBF神经元电路模块是RBF神经网络电路系统中最重要的基本单元,可用来搭建模式分类器、函数逼近器等神经网络电路。本实用新型可以集成为专用的神经网络芯片,其体积小,携带方便,容易嵌入到其它系统中。此外,它还可以实现高度的并行计算,克服了软件实现RBF神经元电路模块的体积大、不易携带、不易嵌入、运算速度慢等缺陷。
本实用新型的Gilbert乘法器,开平方根电路和类高斯函数产生电路这些基本电路单元设计了一个RBF神经元电路模块。如图1所示,该RBF神经元电路模块有两个输入端(Vx,Vy),一个输出端(Iout),以及四个控制端(其中(Vx0,Vy0)用来控制类高斯函数的中心,V1和V2用来控制类高斯函数的形状)。通过在控制端加载适当的偏置电压,便可产生一个中心可变、形状可变的二维类高斯函数。二维平面上的点的坐标由(Vx,Vy)输入,对应的类高斯函数值由Iout输出。
本实用新型的原理图如图2所示,RBF神经元电路包括第一Gilbert乘法器、第二Gilbert乘法器、开平方根电路、电阻及类高斯函数产生电路;所述第一Gilbert乘法器、第二Gilbert乘法器的电流输出端分别连接开平方根电路的输入端;开平方根电路的输出端分别连接电阻的一端及类高 斯函数产生电路的电流输入端;电阻的另一端接地;输入端(Vx,Vy)将二维平面上的点的坐标输入该RBF神经元电路模块;经过两个Gilbert乘法器,分别得到两路信号为I1=k(Vx-Vx0)2和I2=k(Vy-Vy0)2;两个电流信号相加后通过开平方根电路,得到最后通过类高斯函数产生电路,得到逼近Iout=Aexp(-((Vx-Vx0)2+(Vy-Vy0)2)/D)(A和D为常数)的类高斯函数形式。
图3为Gilbert乘法器的晶体管级电路图,它在神经网络中被广泛用于实现大规模处理Σ的功能。折叠式Gilbert乘法器的动态范围大、乘法运算的精度高。所述第一Gilbert乘法器、第二Gilbert乘法器均包括第一至第十七晶体管M1~M17;第一晶体管至第六晶体管M1~M6的发射极连接在一起接高电平;第一晶体管M1的基极接第二晶体管M2的基极;第一晶体管M1的集电极接分别接第九晶体管M9的发射极及第十晶体管M10的发射极;第二晶体管M2的基极接第二晶体管的集电极;第二晶体管M2的集电极接第七晶体的管M7的集电极;第三晶体管M3的基极接第四晶体管M4的基极;第三晶体管M3的基极接第三晶体管M3的集电极;第三晶体管M3的集电极接第八晶体管M8的集电极;第四晶体管M4的集电极分别接第十一晶体管M11的发射极及第十二晶体管M12的发射极;第五晶体管M5的基极接第六晶体管M6的基极;第五晶体管M5的基极接第五晶体管M5的集电极;第五晶体管M5的集电极接第十四晶体管M14的集电极;第六晶体管M6的集电极分别接第十七晶体管M17的集电极及输出Iout1;第七晶体管M7的基极接Vw1;第七晶体管M7的发射极分别接第八晶体管的发射极及第十三晶体管M13的集电极;第八晶体管M8的基极接Vw2;第九晶体管M9的基极接第十二晶体管M12的基极;第九晶体管M9的集电极分别接第十一晶体管M11的集电极及第十五晶体管M15的集电极;第十晶体管M10的基极接第十一晶体管M11的基极;第十晶体管M10的集电极分别接第十二晶体管M12的集电极及第十六晶体管M16的集电极;第九晶体管M9和第十晶体管M10的基极分别接Vin的正负极;第十三晶体管M13的基极接Vbias(因为是外接电压因此图中未标出);第十四晶体管M14的基极第十五晶体管M15的基极;第十五晶体管M15的基极接其集电极;第十六晶体管M16的基极接第十七管M17基极;第十六晶体管M16的基极接其集电极;第十三至第十七晶体管的发射极连接一起接地。
开平方根电路的晶体管级电路图如图4所示,其核心部分是由M18,M19,M20以及M21构成的translinear结构,M20管和M21管的宽长比是M18管和M19管的宽长比的4倍,该电路可实现对电流开平方根。具体的在本实用新型一实施例中,所述开平方根电路包括第十八至第二十六晶体管M18~M26;所述第十八晶体管M18集电极及第十九晶体管M19基极连接作为开平方根电路输 入端Iin;第十八晶体管M18基极分别接第二十六晶体管M26基极、第十九晶体管M19发射极及第二十四晶体管M24集电极;第十九晶体管M19基极接第二十一晶体管M21基极;第二十晶体管M20基极接其集电极;第二十一晶体管M21发射极接第二十晶体管M20集电极;第二十一晶体管M21集电极接第二十二晶体管M22集电极;第二十二晶体管M22基极接第二十三晶体管基极;第十九晶体管M19集电极、第二十二晶体管M22发射极及第二十三晶体管M23发射极连接在一起接高电平;第二十三晶体管M23集电极分别接第二十五晶体管M25集电极及输出Iout2;第二十四晶体管M24基极分别接第二十五晶体管M25基极与输出端Vb;第二十六晶体管M26集电极接输出Iout2;第十八晶体管M18集电极及第二十四第二十六晶体管M24~M26发射极连接在一起接地。
类高斯函数电路的晶体管级电路图如图5所示,由于CMOS电路难以用来产生精确的高斯函数波形,因此根据差分输入对管的大信号特性同时产生能够逐渐增大和逐渐减小的电流,并利用电流的相加得到一种结构简单、波形可调的类高斯函数电路。所述类高斯函数产生电路包括第二十七至第五十二晶体管M27~M52;第二十七晶体管M27发射极、第二十八晶体管M28发射极及第三十五至第四十二晶体管M35~M42发射极连接在一起接高电平;所述第二十七晶体管M27基极分别接第二十七晶体管M27的集电极及第二十八晶体管M28基极;第二十七晶体管M27的集电极接第二十九晶体管M29的发射极;第二十八晶体管M28集电极接第三十晶体管M30发射极;第二十九晶体管M29基极分别接第二十九晶体管M29集电极接第三十晶体管M30基极;第二十九晶体管M29集电极接第三十一晶体管M31集电极;第三十晶体管M30集电极接第四十七晶体管M47集电极;第三十一晶体管M31集电极接其基极;第三十一晶体管M31基极分别接第三十一晶体管M31集电极及第三十二晶体管M32基极;第三十一晶体管M31发射极接第三十三M33集电极;第三十二晶体管M32集电极接第三十五M35集电极;第三十二晶体管M32发射极接第三十四晶体管M34集电极;第三十三晶体管M33基极分别接第三十三晶体管M33集电极及第三十四晶体管M34基极;第三十三晶体管M33发射极、第三十四晶体管M34发射极、第五十至第五十二晶体管发射极连接在一起接地;第三十五晶体管M35基极分别连接第三十五晶体管M35集电极、第三十六晶体管M36基极、第四十一晶体管M41基极及第四十二晶体管M42基极;第三十六晶体管M36集电极接第三十七晶体管M37基极;第三十七晶体管M37集电极分别接第四十三晶体管M43集电极及接第四十五晶体管M45集电极;第三十七晶体管M37基极接第三十八晶体管M38基极;第三十八晶体管M38基极、第三十九晶体管M39集电极、第四十二晶体管M42集电极连接在一起接输出Iout3;第三十九晶体管M39基极分别接第四十晶体管M40基极及第四十一晶体管M41集电极;第四十晶体管M40集电极分别接第四十四晶体管M44集电极及第四十六晶体管M46集电极;第四十三晶体管M43基极与第四十六晶体管M46基极一起接输入Vin,第四十三晶体管M43发射极分别接第四十四晶体管M44发射极及第四十八晶体管M48集电极;第四十四晶体管M44基极接V1;第四十五晶体管M45基极接V2;第四十五晶体管M45发射极分别接第四十六晶体管M46发射极及第四十九晶体管M49集电极;第四十七晶体管M47基极分别第四十七晶体管M47集电极、第四十八晶体管M48基极、第四十九晶体管M49基极;第四十七晶体管M47发射极接第五十晶体管M50集电极;第四十八晶体管M48集电极接第五十一晶体管M51集电极;第四十九晶体管M49发射极接第五十二晶体管M52集电极;第五十晶体管M50基极分别接第五十晶体管M50集电极、第五十一晶体管M51基极、第五十二晶体管M52基极。
该电路的工作方法为:输入端Vx,Vy将二维平面上的点的坐标输入该RBF神经元电路;经过两个Gilbert乘法器,分别得到两路信号为Iout1=k0(Vx-Vx0)2和Iout1’=k0(Vy-Vy0)2;两个电流信号相加后通过开平方根电路,得到最后通过类高斯函数产生电路,得到逼近Iout=bexp(-((Vx-Vx0)2+(Vy-Vy0)2)/d)的类高斯函数形式,b和d为常数。
所述晶体管为CMOS管。
在本实用新型一实施例中,Gilbert乘法器包括第一至第十七晶体管M1~M17,其中第七晶体管M7和第八晶体管M8具有相同的宽长比,第九晶体管M9、第十晶体管M10、第十一晶体管M11和第十二M12具有相同的宽长比,用W表示晶体管沟道宽度,L表示晶体管沟道长度,Cox表示晶体管单位面积栅氧电容,μp和μn分别表示空穴和电子的沟道迁移率,则该电路的输出电流为: 公式(1),将Vw1与Vin的正端相连,用Vx表示,将Vw2与Vin的负端相连,用Vx0表示,则可得到:
即Iout1=k0(Vx-Vx0)2,其中Gilbert乘法器晶体管尺寸参见表1。
表1
管子名称 宽长比(W/L) 管子名称 宽长比(W/L)
M1 60/1 M10 15/1
M2 60/1 M11 15/1
M3 60/1 M12 15/1
M4 60/1 M13 100/1
M5 60/1 M14 40/1
M6 60/1 M15 40/1
M7 5/1 M16 40/1
M8 5/1 M17 40/1
M9 15/1
在本实用新型一实施例中,所述开平方根电路的M20管和M21管的宽长比是M18管和M19管的宽长比的4倍,对输入电流开平方根开平方根电路的晶体管尺寸参见表2
表2
管子名称 宽长比(W/L)
M18 25/1
M19 25/1
M20 50/1
M21 50/1
M22 100/1
M23 100/1
M24 30/1
M25 30/1
M26 25/1
在本实用新型一实施例中,所述类高斯函数产生电路包括第二十七至第五十二晶体管M27~M52,假设第三十六至第四十一晶体管M36~M41具有相同的宽长比,且是第三十五晶体管M35的a倍,第四十二晶体管M42的宽长比是第三十五晶体管M35的c倍,第四十八晶体管M48、第四十九晶体管M49、第五十一晶体管M51、第五十为晶体管M52具有相同的宽长比,并且是第四十七晶体管M47、第五十晶体管M50的a倍,得到输出电流为:
其中Cox为晶体管单位面积栅氧电容,μ为沟道迁移率,W为晶体管沟道宽度,L为晶体管沟道长度,通过调整两个差分对的输入电压V1和V2,调整Vinwc 和Vw,从而调整该电路输出的类高斯函数的形状;所需的特定高斯函数为取一些离散的点,通过CADENCE软件仿真,在公式(2)的指导下调整电路参数,从而使类高斯函数对应的点逼近这些离散的点,最终获得逼近的类高斯函Iout=bexp(-((Vx-Vx0)2+(Vy-Vy0)2)/d)。
在本实用新型一具体实施例参见图6、图7。
通过调整两个差分对的输入电压V1和V2,可以调整Vinwc和Vw,从而调整该电路输出的类高斯函数的形状,如图6所示。
图7为b=40,d=0.02时的理想高斯函数和调整得到的类高斯函数,在-0.4~0.4范围内以0.01为步长,对两条曲线取相同的离散点,分别构成向量A和B,在MATLAB软件中利用R2=(A*B)2/A2*B2可计算得到拟合优度为R2=0.99775,因此,该电路仿真波形与理想高斯函数能够进行很好的拟合。对于所需的特定高斯函数(b和d为常数),我们可以取一些离散的点,通过CADENCE软件仿真,在公式(2)的指导下调整电路参数,从而使类高斯函数对应的点逼近这些离散的点,最终获得逼近的类高斯函数。例如,在图7中b=40,d=0.02,通过仿真可得类高斯函数产生电路参数为V1=-0.13V,V2=0.13V,电路晶体管尺寸如表3所示。由以上的基本电路模块构成的RBF神经元电路模块,可以用来产生逼近Iout=bexp(-((Vx-Vx0)2+(Vy-Vy0)2)/d)(b和d为常数)的类高斯函数。固定V1和V2,改变Vx0和Vy0的值,可以产生形状固定,中心可变(为(Vx0,Vy0)的类高斯函数;固定Vx0和Vy0,改变V1和V2的值,可以产生中心固定(为(Vx0,Vy0),形状可变的类高斯函数。
表3
管子名称 宽长比(W/L) 管子名称 宽长比(W/L) 管子名称 宽长比(W/L)
M27 14/1 M36 100/1 M44 30/1
M28 14/1 M37 100/1 M45 30/1
M29 14/1 M38 100/1 M46 100/1
M30 14/1 M39 100/1 M47 100/1
M31 9/1 M40 100/1 M48 100/1
M32 9/1 M41 100/1 M49 100/1
M33 9/1 M42 100/1 M50 100/1
M34 9/1 M43 30/1 M51 100/1
M35 100/1 M44 30/1
以上是本实用新型的较佳实施例,凡依本实用新型技术方案所作的改变,所产生的功能作用未超出本实用新型技术方案的范围时,均属于本实用新型的保护范围。

Claims (5)

1.一种RBF神经元电路,其特征在于:包括第一Gilbert乘法器、第二Gilbert乘法器、开平方根电路、电阻及类高斯函数产生电路;所述第一Gilbert乘法器、第二Gilbert乘法器的电流输出端分别连接开平方根电路的输入端;开平方根电路的输出端分别连接电阻的一端及类高斯函数产生电路的电流输入端;电阻的另一端接地;所述第一Gilbert乘法器第一输入端为神经元电路的第一输入端Vx,所述第二Gilbert乘法器第一输入端为神经元电路的第二输入端Vy,所述第一Gilbert乘法器第二输入端为神经元电路的第一控制端Vx0,所述第二Gilbert乘法器第二输入端为神经元电路的第二控制端Vy0,类高斯函数的第一输入端为神经元电路的第三控制端V1,类高斯函数的第二输入端为神经元电路的第四控制端V2,类高斯函数产生电路为神经元电路的输出Iout,其中Vx0、Vy0用来控制类高斯函数的中心,V1和V2用来控制类高斯函数的形状,通过在四个控制端加载适当的偏置电压,产生一个中心可变、形状可变的二维类高斯函数,二维平面上的点的坐标由Vx,Vy输入,对应的类高斯函数值由Iout输出。
2.根据权利要求1所述的RBF神经元电路,其特征在于:
所述第一Gilbert乘法器、第二Gilbert乘法器均包括第一至第十七晶体管M1~M17;第一晶体管至第六晶体管M1~M6的发射极连接在一起接高电平;第一晶体管M1的基极接第二晶体管M2的基极;第一晶体管M1的集电极接分别接第九晶体管M9的发射极及第十晶体管M10的发射极;第二晶体管M2的基极接第二晶体管的集电极;第二晶体管M2的集电极接第七晶体的管M7的集电极;第三晶体管M3的基极接第四晶体管M4的基极;第三晶体管M3的基极接第三晶体管M3的集电极;第三晶体管M3的集电极接第八晶体管M8的集电极;第四晶体管M4的集电极分别接第十一晶体管M11的发射极及第十二晶体管M12的发射极;第五晶体管M5的基极接第六晶体管M6的基极;第五晶体管M5的基极接第五晶体管M5的集电极;第五晶体管M5的集电极接第十四晶体管M14的集电极;第六晶体管M6的集电极分别接第十七晶体管M17的集电极及输出Iout1;第七晶体管M7的基极接Vw1;第七晶体管M7的发射极分别接第八晶体管的发射极及第十三晶体管M13的集电极;第八晶体管M8的基极接Vw2;第九晶体管M9的基极接第十二晶体管M12的基极;第九晶体管M9的集电极分别接第十一晶体管M11的集电极及第十五晶体管M15的集电极;第十晶体管M10的基极接第十一晶体管M11的基极;第十晶体管M10的集电极分别接第十二晶体管M12的集电极及第十六晶体管M16的集电极;第九晶体管M9和第十晶体管M10的基极分别接Vin的正负极;第十三晶体管M13的基极接Vbias;第十四晶体管M14的基极第十五晶体管M15的基极;第十五晶体管M15的基极接其集电极;第十六晶体管M16的基极接第十七管M17基极;
第十六晶体管M16的基极接其集电极;第十三至第十七晶体管的发射极连接一起接地。
3.根据权利要求1所述的RBF神经元电路,其特征在于:所述开平方根电路包括第十八至第二十六晶体管M18~M26;第十八晶体管M18集电极及第十九晶体管M19基极连接作为开平方根电路输入端Iin;第十八晶体管M18基极分别接第二十六晶体管M26基极、第十九晶体管M19发射极及第二十四晶体管M24集电极;第十九晶体管M19基极接第二十一晶体管M21基极;第二十晶体管M20基极接其集电极;第二十一晶体管M21发射极接第二十晶体管M20集电极;第二十一晶体管M21集电极接第二十二晶体管M22集电极;第二十二晶体管M22基极接第二十三晶体管基极;第十九晶体管M19集电极、第二十二晶体管M22发射极及第二十三晶体管M23发射极连接在一起接高电平;第二十三晶体管M23集电极分别接第二十五晶体管M25集电极及输出Iout2;第二十四晶体管M24基极分别接第二十五晶体管M25基极与输出端Vb;第二十六晶体管M26集电极接输出Iout2;第十八晶体管M18集电极及第二十四第二十六晶体管M24~M26发射极连接在一起接地。
4.根据权利要求1所述的RBF神经元电路,其特征在于:所述类高斯函数产生电路包括第二十七至第五十二晶体管M27~M52;第二十七晶体管M27发射极、第二十八晶体管M28发射极及第三十五至第四十二晶体管M35~M42发射极连接在一起接高电平;所述第二十七晶体管M27基极分别接第二十七晶体管M27的集电极及第二十八晶体管M28基极;第二十七晶体管M27的集电极接第二十九晶体管M29的发射极;第二十八晶体管M28集电极接第三十晶体管M30发射极;第二十九晶体管M29基极分别接第二十九晶体管M29集电极接第三十晶体管M30基极;第二十九晶体管M29集电极接第三十一晶体管M31集电极;第三十晶体管M30集电极接第四十七晶体管M47集电极;第三十一晶体管M31集电极接其基极;第三十一晶体管M31基极分别接第三十一晶体管M31集电极及第三十二晶体管M32基极;第三十一晶体管M31发射极接第三十三M33集电极;第三十二晶体管M32集电极接第三十五M35集电极;第三十二晶体管M32发射极接第三十四晶体管M34集电极;第三十三晶体管M33基极分别接第三十三晶体管M33集电极及第三十四晶体管M34基极;第三十三晶体管M33发射极、第三十四晶体管M34发射极、第五十至第五十二晶体管发射极连接在一起接地;第三十五晶体管M35基极分别连接第三十五晶体管M35集电极、第三十六晶体管M36基极、第四十一晶体管M41基极及第四十二晶体管M42基极;第三十六晶体管M36集电极接第三十七晶体管M37基极;第三十七晶体管M37集电极分别接第四十三晶体管M43集电极及接第四十五晶体管M45集电极;第三十七晶体管M37基极接第三十八晶体管M38基极;第三十八晶体管M38基极、第三十九晶体管M39集电极、第四十二晶体管M42集电极连接在一起接输出Iout3;第三十九 晶体管M39基极分别接第四十晶体管M40基极及第四十一晶体管M41集电极;第四十晶体管M40集电极分别接第四十四晶体管M44集电极及第四十六晶体管M46集电极;第四十三晶体管M43基极与第四十六晶体管M46基极一起接输入Vin,第四十三晶体管M43发射极分别接第四十四晶体管M44发射极及第四十八晶体管M48集电极;第四十四晶体管M44基极接V1;第四十五晶体管M45基极接V2;第四十五晶体管M45发射极分别接第四十六晶体管M46发射极及第四十九晶体管M49集电极;第四十七晶体管M47基极分别第四十七晶体管M47集电极、第四十八晶体管M48基极、第四十九晶体管M49基极;第四十七晶体管M47发射极接第五十晶体管M50集电极;第四十八晶体管M48集电极接第五十一晶体管M51集电极;第四十九晶体管M49发射极接第五十二晶体管M52集电极;第五十晶体管M50基极分别接第五十晶体管M50集电极、第五十一晶体管M51基极、第五十二晶体管M52基极。
5.根据权利要求2-4任一所述的RBF神经元电路,其特征在于:所述晶体管为CMOS管。
CN201620536189.0U 2016-06-03 2016-06-03 Rbf神经元电路 Expired - Fee Related CN206003142U (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201620536189.0U CN206003142U (zh) 2016-06-03 2016-06-03 Rbf神经元电路

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201620536189.0U CN206003142U (zh) 2016-06-03 2016-06-03 Rbf神经元电路

Publications (1)

Publication Number Publication Date
CN206003142U true CN206003142U (zh) 2017-03-08

Family

ID=58205045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201620536189.0U Expired - Fee Related CN206003142U (zh) 2016-06-03 2016-06-03 Rbf神经元电路

Country Status (1)

Country Link
CN (1) CN206003142U (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106067063A (zh) * 2016-06-03 2016-11-02 福州大学 Rbf神经元电路及其工作方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106067063A (zh) * 2016-06-03 2016-11-02 福州大学 Rbf神经元电路及其工作方法
CN106067063B (zh) * 2016-06-03 2018-12-25 福州大学 Rbf神经元电路及其工作方法

Similar Documents

Publication Publication Date Title
CN203675093U (zh) 基于浮栅技术的动态异或门设计
CN206003142U (zh) Rbf神经元电路
CN106067063B (zh) Rbf神经元电路及其工作方法
CN104036095A (zh) 基于区域分解的耦合高精度复杂外形流场快速算法
CN104901674B (zh) 电流模式四象限cmos模拟乘法电路
CN108733126A (zh) 基于Bezier多项式的光伏阵列最大功率跟踪方法
CN105976024B (zh) 基于rbf的模式分类器及其工作方法
CN104764987B (zh) 一种电力电子开关器件igbt高频模型寄生参数的获取方法
CN106067064B (zh) 基于rbf的函数逼近器系统
CN102929842A (zh) 基于fpaa的可重构矢量-矩阵乘法器设计方法
CN104617948B (zh) 有源幅相控制电路
CN104752245A (zh) 高功率脉冲对场效应管放大器性能影响的数值分析方法
CN111985690B (zh) 一种风电基地升压站选址方法
CN206480025U (zh) 基于rbf的模式分类器
CN206282337U (zh) 脉冲神经电路
CN102983853A (zh) 一种模拟平方电路
Harsha et al. An integrated maxFit genetic algorithm-SPICE framework for 2-Stage Op-Amp design automation
CN103279322A (zh) Set/mos混合电路构成的阈值逻辑型超前进位加法器
Venkateswarlu et al. Modeling and parameter extraction of pv modules using genetic algorithms and differential evaluation
Rocha et al. A new metaheuristc combining gradient models with NSGA-II to enhance analog IC synthesis
Bhanja et al. A graph based synthesis procedure for linear analog function
Hingu et al. FPGA acceleration of a real-time neural network controller for solar inverter
Al-Tamimi et al. An ultra low power high accuracy current-mode cmos squaring circuit
CN102339337B (zh) 对不同尺寸双极型晶体管进行仿真的方法及仿真系统
Maryan et al. Sub-threshold MOS translinear principle based-analog cell suitable for current-mode signal processing

Legal Events

Date Code Title Description
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170308