Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022090542 - DISTRIBUTED MULTI-COMPONENT SYNAPTIC COMPUTATIONAL STRUCTURE

Publication Number WO/2022/090542
Publication Date 05.05.2022
International Application No. PCT/EP2021/080271
International Filing Date 01.11.2021
IPC
G06N 3/04 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architecture, e.g. interconnection topology
G06N 3/063 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
063using electronic means
CPC
G06N 3/049
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
049Temporal neural nets, e.g. delay elements, oscillating neurons, pulsed inputs
G06N 3/0635
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
063using electronic means
0635using analogue means
Applicants
  • INNATERA NANOSYSTEMS B.V. [NL]/[NL]
Inventors
  • HETTEMA, Bart
  • ZJAJO, Amir
Agents
  • HOYNG ROKH MONEGIER B.V.
Priority Data
63/107,49830.10.2020US
Publication Language English (en)
Filing Language English (EN)
Designated States
Title
(EN) DISTRIBUTED MULTI-COMPONENT SYNAPTIC COMPUTATIONAL STRUCTURE
(FR) STRUCTURE DE CALCUL SYNAPTIQUE À COMPOSANTS MULTIPLES DISTRIBUÉE
Abstract
(EN) The current invention discloses a spiking neural network (100) comprising a plurality of presynaptic integrators (209), a plurality of weight application elements (210), and a plurality of output neurons (220). Each of the plurality of presynaptic integrators (213) is adapted to receive a presynaptic pulse signal (204) which incites accumulation of charge within the presynaptic integrator, and generate a synaptic input signal (214) based on the accumulated charge such that the synaptic input signal has a pre-determined temporal dynamic. A first group of weight application elements (211) of the plurality of weight application elements (210) is connected to receive the synaptic input signal (214) from a first one of the plurality of presynaptic integrators (213). Each weight application element (211) of the first group of weight application elements is adapted to apply a weight value to the synaptic input signal (214) to generate a synaptic output current (215), wherein the strength of the synaptic output current is a function of the applied weight value. Each of the plurality of output neurons (222) is connected to receive a synaptic output current (214) from a second group of weight application elements of the plurality of weight application elements, and generate a spatio- temporal spike train output signal (223) based on the received one or more synaptic output currents.
(FR) La présente invention concerne un réseau de neurones à impulsions (100) comprenant une pluralité d'intégrateurs présynaptiques (209), une pluralité d'éléments d'application de poids (210), et une pluralité de neurones de sortie (220). Chaque intégrateur de la pluralité d'intégrateurs présynaptiques (213) est conçu pour recevoir un signal d'impulsion présynaptique (204) qui provoque l'accumulation de charge à l'intérieur de l'intégrateur présynaptique, et génère un signal d'entrée synaptique (214) sur la base de la charge accumulée de telle sorte que le signal d'entrée synaptique présente une dynamique temporelle prédéterminée. Un premier groupe d'éléments d'application de poids (211) de la pluralité d'éléments d'application de poids (210) est connecté pour recevoir le signal d'entrée synaptique (214) d'un premier intégrateur de la pluralité d'intégrateurs présynaptiques (213). Chaque élément d'application de poids (211) du premier groupe d'éléments d'application de poids est conçu pour appliquer une valeur de poids au signal d'entrée synaptique (214) pour générer un courant de sortie synaptique (215), l'intensité du courant de sortie synaptique étant une fonction de la valeur de poids appliquée. Chaque neurone de la pluralité de neurones de sortie (222) est connecté pour recevoir un courant de sortie synaptique (214) d'un second groupe d'éléments d'application de poids de la pluralité d'éléments d'application de poids, et générer un signal de sortie de train d'impulsions spatio-temporel (223) sur la base du ou des courants de sortie synaptiques reçus.
Latest bibliographic data on file with the International Bureau