事件驅動神經形態系統 Event-Based Neuromorphic Systems Hardcover

《事件驅動神經形態系統》系統地描述了神經形態工程領域的新技術，
包括構建完整的神經形態芯片和解決製造多芯片可擴展系統面臨的技術問題。
《事件驅動神經形態系統》主要內容分為兩部分。
首部分（第2-6章）描述了所構建的AER通信體系結構、AER傳感器和電子神經模型，
其中，第2-5章用樹狀圖描述了將架構和電路關聯起來的歷史，並引導讀者閱讀大量文獻；
第6章描述了關於事件驅動系統學習的大部分理論知識。
第二部分（第7-16章）面向神經形態電子系統構建方向的讀者，
提供了用於構建傳感器和計算單元建模神經系統構建基塊的各種方法信息，
包括矽神經元、矽突觸、矽耳蝸電路、浮柵電路和可編程控制器數字偏置發生器的詳細信息，
還包括硬件和軟件通信基礎結構，以及事件驅動傳感器輸出算法處理的相關內容。
《事件驅動神經形態系統》以第17章結尾，
梳理了當前計算機與神經系統在實現計算處理方式上的差異，
討論了認知神經形態系統發展的長期途徑。

王英勳，男，研究員，博士生導師。

北京航空航天大學無人系統研究院院長，飛行器控制一體化技術國防科技重點實驗室副主任。
中國航空學會理事、學術委員會委員、GNC分會名譽主任委員；
無人駕駛航空器系統專門委員會副主任委員；
中國民航局無人機人員資質專家組成員；
中國航空器擁有者與駕駛員協會無人機專家委員會主任；
全國專業標準化技術委員會委員；
中國指控與控制學會多智能體協同控制專業委員會委員。
研究方向為無人機總體技術、無人機自主控制技術。
曾任中國航空工業集團公司無人機辦專務、副主任、主任。
曾任多個型號無人機的總師、副總師，榮獲國家科技進步一等獎、國防科技進步一等獎。
具有國際項目管理學會（IPMP）高級項目經理資質，是國際系統工程師協會（INCOSE）系統工程師培訓課程高級講師。
享受政府特殊津貼。

蔡志浩男，博士，高級工程師，碩士生導師。

主講航空系統工程、系統架構設計等本科生、研究生核心專業課程；
參與了多型國家重點型號無人機系統研製；
探索將系統工程與復雜系統架構方法應用於教學、科研實踐；
從事創新佈局無人機系統設計、高動態飛行器自主感知與控制等方向科學研究；
主持預研項目、探索項目、航空基金和多項軍工企業合作項目；
培養的研究生曾榮獲國家獎學金等榮譽，參加國內、國際大賽，取得優異成績。

趙江，男，博士，副教授，碩士生導師。

本科畢業於西北工業大學自動化專業，碩士畢業於西北工業大學控制理論與控制工程專業，
博士畢業於北京航空航天大學導航制導與控制專業。
研究方向為自主飛行控制技術。
主持參與研究課題20餘項，發表學術論文50餘篇。
入選北京航空航天大學青年拔尖人才、Chinese Journal of Aeronautics高被引作者。
主講系統工程原理、系統思維與航空系統工程等課程。

第1章簡介1
1.1起源與歷史背景2
1.2建立有用的神經形態系統4
參考文獻5

部分理解神經形態系統第2章通信9
2.1簡介9
2.2地址事件表示11
2.2.1AER編碼器12
2.2.2仲裁機制13
2.2.3編碼機制16
2.2.4多個AER端點17
2.2.5地址映射17
2.2.6路由18
2.3AER鏈接設計注意事項18
2.3.1權衡:動態分配還是靜態分配19
2.3.2權衡:仲裁訪問還是衝突20
2.3.3權衡:排隊與下降峰值22
2.3.4預測吞吐量的需求23
2.3.5設計權衡24
2.4AER鏈路的演變25
2.4.1單發單收25
2.4.2多發多收27
2.4.3並行信號協調28
2.4.4字串行尋址29
2.4.5串行差分信號29
2.5討論30
參考文獻31

第3章矽視網膜34
3.1簡介34
3.2生物視網膜35
3.3具有串行模擬輸出的矽視網膜36
3.4事件驅動的異步像素輸出與同步幀36
3.5AER視網膜37
3.5.1動態視覺傳感器39
3.5.2基於時間的異步圖像傳感器42
3.5.3異步ParvoMagno視網膜模型42
3.5.4事件驅動的強度編碼成像儀44
3.5.5空間對比度與方向視覺傳感器46
3.6矽視網膜像素49
3.6.1DVS像素49
3.6.2ATIS像素52
3.6.3VISe 像素53
3.6.4Octopus 像素53
3.7矽視網膜新規範55
3.7.1DVS響應均勻性55
3.7.2DVS背景活動56
3.7.3DVS動態範圍57
3.7.4DVS延遲和抖動57
3.8討論58
目錄事件驅動神經形態系統參考文獻61

第4章矽耳蝸66
4.1簡介66
4.2耳蝸結構70
4.2.1級聯一維70
4.2.2基本的一維矽耳蝸71
4.2.3二維架構72
4.2.4電阻(導電)網絡73
4.2.5BM諧振器73
4.2.6二維矽耳蝸模型73
4.2.7添加OHC的主動非線性特性75
4.3尖峰型耳蝸77
4.3.1AEREAR2濾波器的Q控制78
4.3.2應用:基於尖峰的聽覺處理78
4.4樹狀圖79
4.5討論80
參考文獻81

第5章運動電機控制85
5.1簡介85
5.1.1確定功能性生物學元素86
5.1.2有節奏的運動模式86
5.2運動控制中的神經迴路建模88
5.2.1描述運動行為89
5.2.2虛擬分析90
5.2.3連接模型92
5.2.4基本CPG結構93
5.2.5神經形態架構95
5.3工作中的神經形態CPG101
5.3.1神經假體：體內運動的控制101
5.3.2步行機器人102
5.3.3各段間協調建模104
5.4討論104
參考文獻106

第6章神經形態系統的學習113
6.1簡介：突觸連接、記憶和學習114
6.2在神經形態硬件中保留記憶114
6.2.1記憶維護問題：直覺114
6.2.2記憶維護問題：定量分析116
6.2.3解決記憶維護問題117
6.3在神經形態硬件中存儲記憶121
6.3.1突觸學習模型121
6.3.2在神經形態硬件中實現突觸模型124
6.4神經形態硬件中的聯想記憶128
6.4.1吸引子神經網絡中的記憶檢索128
6.4.2問題132
6.5神經形態芯片中的吸引子狀態134
6.5.1記憶檢索134
6.5.2實時學習視覺刺激136
6.6討論138
參考文獻139

第二部分建立神經形態系統第7章矽神經元145
7.1簡介145
7.2矽神經元電路塊147
7.2.1電導動力學147
7.2.2尖峰事件生成149
7.2.3尖峰閾值和不應期150
7.2.4尖峰頻率自適應和自適應閾值152
7.2.5軸突和樹突樹153
7.2.6其他有用的構建基塊154
7.3矽神經元實現155
7.3.1亞閾生物物理現實模型155
7.3.2事件驅動系統的緊湊型I＆F電路158
7.3.3通用I＆F神經元電路159
7.3.4高於閾值、加速時間和開關電容設計163
7.4討論167
參考文獻169

第8章矽突觸176
8.1簡介177
8.2矽突觸實現178
8.2.1無電導電路179
8.2.2電導電路187
8.2.3NMDA突觸電路189
8.3動態塑性突觸190
8.3.1短期可塑性190
8.3.2長期可塑性192
8.4討論201
參考文獻203

第9章矽耳蝸構造模塊208
9.1介紹208
9.2電壓域二階濾波器209
9.2.1跨導放大器209
9.2.2二階低通濾波器210
9.2.3濾波器的穩定性211
9.2.4穩定的二階低通濾波器213
9.2.5差異213
9.3電流域二階濾波器215
9.3.1跨線性迴路215
9.3.2二階Tau細胞對數域濾波器217
9.4指數偏差生成218
9.5內毛細胞模型220
9.6討論221
參考文獻222

第10章可編程和可配置的模擬神經形態集成電路224
10.1簡介224
10.2浮柵電路基礎知識225
10.3啟用電容電路的浮柵電路226
10.4修改浮柵電荷228
10.4.1電子隧道效應228
10.4.2PFET熱電子注入229
10.5可編程模擬器件的精確編程230
10.6可編程模擬方法的縮放232
10.7低功耗模擬信號處理233
10.8與數字方法的低功耗比較:內存中的模擬計算235
10.9數字複雜度下模擬編程:大規模現場可編程模擬陣列236
10.10模擬信號處理的應用238
10.10.1模擬變換成像儀238
10.10.2自適應濾波器和分類器240
10.11討論241
參考文獻242

第11章偏置發生器電路248
11.1簡介248
11.2偏置發生器電路249
11.2.1自舉電流鏡主偏置基準電流250
11.2.2主偏置電源抑制比251
11.2.3主偏置的穩定性 252
11.2.4主偏置啟動和電源控制252
11.2.5電流分流器:獲得主電流的數字控制部分253
11.2.6實現偏置電流的良好單調分辨率257
11.2.7粗精範圍選擇258
11.2.8小電流的偏移源偏置259
11.2.9個體偏差的緩沖和旁路解耦261
11.2.10通用偏置緩衝電路263
11.2.11保護偏置分流器電流不受寄生光電流的影響264
11.3包括外部控制器的整體偏置發生器結構264
11.4典型特徵265
11.5設計工具包266
11.6討論267
參考文獻267

第12章片上AER通信電路269
12.1簡介269
12.1.1通信週期270
12.1.2通信提速271
12.2AER發送器模塊272
12.2.1像素內的AER電路273
12.2.2仲裁器273
12.2.3其他AER模塊279
12.2.4聯合作業280
12.3AER接收器模塊280
12.3.1芯片級握手模塊281
12.3.2解碼器282
12.3.3接收像素中的握手電路282
12.3.4脈沖擴展電路283
12.3.5接收陣列外圍握手電路283
12.4討論284
參考文獻285

第13章硬件基礎架構287
13.1簡介287
13.1.1監控AER事件288
13.1.2AER事件定序292
13.1.3映射AER事件293
13.2小型系統的硬件基礎架構板296
13.2.1矽皮層296
13.2.2集中通信297
13.2.3可組合架構解決方案298
13.2.4菊花鏈結構303
13.2.5接口板使用串行AER304
13.2.6可重構網狀架構307
13.3中等規模多芯片系統309
13.3.1OR IFAT系統309
13.3.2多芯片定向系統311
13.3.3CAVIAR系統314
13.4FPGA319
13.5討論321
參考文獻323

第14章軟件基礎架構330
14.1簡介330
14.2芯片和系統描述軟件331
14.2.1可擴展標記語言332
14.2.2NeuroML332
14.3組態軟件332
14.4地址事件流處理軟件333
14.4.1現場可編程門陣列333
14.4.2AE流處理軟件的結構334
14.4.3帶寬和延遲334
14.4.4優化335
14.4.5應用程序編程接口335
14.4.6 AE流的網絡傳輸336
14.5映射軟件336
14.6軟件示例337
14.6.1ChipDatabase:用於調整神經形態aVLSI芯片的系統337
14.6.2Spike Toolbox339
14.6.3jAER339
14.6.4Python和PyNN340
14.7討論342
參考文獻343

第15章事件流的算法處理346
15.1簡介346
15.2軟件基礎架構需求348
15.3嵌入式實現350
15.4算法實例350
15.4.1降噪濾波器351
15.4.2時間戳映射和按位移地址進行二次採樣352
15.4.3作為低級功能檢測器的事件標記器352
15.4.4視覺跟踪器354
15.4.5事件驅動的音頻處理358
15.5討論358
參考文獻359

第16章邁向大規模神經形態系統362
16.1簡介362
16.2大型系統實例362
16.2.1尖峰神經網絡結構363
16.2.2分層AE365
16.2.3神經網絡366
16.2.4高輸入計數模擬神經網絡系統368
16.3討論369
參考文獻370

第17章作為潛在技術大腦372
17.1簡介372
17.2神經計算的本質：腦技術原理373
17.3理解大腦的方法375
17.4大腦構造和功能的一些原理376
17.5神經電路處理的示例模型378
17.6對神經形態的認知380
參考文獻381