具學習能力之類神經關連式記憶體

Abstract

在本篇論文□，我們首先提出依據Grossberg 數學模型所製作的具學習能力之類神經 關連式記憶體。在這個數學模型□，包含了神經元狀態方程式、學習方程式和記憶方 程等三個方程式，而此模型乃利用相乘即相關性來做神經元狀態的改變與系統的學習 即改變神經鍵強度，而當學習完成之後，神經鍵強度即有高低不同值，但會隨時間逐 漸衰減，然而若所有神經鍵的衰減速度都一樣，則神經鍵與神經鍵之間的相對比例值 就可保持定值，這就是此模型能記憶的原理。為了能做出上述的記憶體，我們發展出 一個利用金氧半導體工作在次界區的新型電流型類比除法器，也就是說，除法器即為 記憶體所在，且它是不需脈波的。此外，亦做出一個利用金氧半導體工作在次臨界區 的新型電流型類比乘法器用以處理相關性。又利用電流流至電容可積分成為電壓來做 積分器，但因整個系統是以電流來做處理，所以再用半絕對值跨導式放大器將電壓轉 換成電流。另外利用柯希何夫電流定律做成類比加法電路。而輸入電路則做為輸入與 神經元間的緩衝器。完整電路已設計完成且以3.5 微米互補式金氧半導體製程技術製 造。整個系統運作已由 SPICE模擬驗証。我們發現此系統具有關連性、重新學習及多 重關連性的能力。此系統有自動學習，不需額外記憶體及不需額外控制脈波處理刷新 等優點，而缺點則為晶片面積大和錯誤容忍能力稍差。