領(lǐng)域本公開的一些方面一般涉及神經(jīng)系統(tǒng)工程，并且尤其涉及用于在尖峰神經(jīng)網(wǎng)絡(luò)中通過全局標(biāo)量值來調(diào)制可塑性的系統(tǒng)和方法。
背景技術(shù)：
：可包括一群互連的人工神經(jīng)元(即神經(jīng)元模型)的人工神經(jīng)網(wǎng)絡(luò)是一種計算設(shè)備或者表示將由計算設(shè)備執(zhí)行的方法。人工神經(jīng)網(wǎng)絡(luò)可具有生物學(xué)神經(jīng)網(wǎng)絡(luò)中的對應(yīng)的結(jié)構(gòu)和/或功能。然而，人工神經(jīng)網(wǎng)絡(luò)可為其中傳統(tǒng)計算技術(shù)是麻煩的、不切實際的、或不勝任的一些應(yīng)用提供創(chuàng)新且有用的計算技術(shù)。由于人工神經(jīng)網(wǎng)絡(luò)能從觀察中推斷出功能，因此這樣的網(wǎng)絡(luò)在因任務(wù)或數(shù)據(jù)的復(fù)雜度使得通過常規(guī)技術(shù)來設(shè)計該功能較為麻煩的應(yīng)用中是特別有用的。概述在本公開的一方面中，公開了一種用于在神經(jīng)網(wǎng)絡(luò)的突觸中維持狀態(tài)變量的方法。所述方法包括在軸突中維持狀態(tài)變量。該軸突中的狀態(tài)變量基于第一預(yù)定事件的發(fā)生被更新。該方法還包括基于該軸突中的狀態(tài)變量和第二預(yù)定事件的發(fā)生來更新該突觸中的狀態(tài)變量。在本公開的另一方面中，公開了一種用于在神經(jīng)網(wǎng)絡(luò)的突觸中維持狀態(tài)變量的裝置。該裝置具有存儲器以及耦合至該存儲器的至少一個處理器。該(諸)處理器被配置成在軸突中維持狀態(tài)變量。該軸突中的狀態(tài)變量基于第一預(yù)定事件的發(fā)生被更新。該處理器還被配置成基于該軸突中的狀態(tài)變量和第二預(yù)定事件的發(fā)生來更新該突觸中的狀態(tài)變量。在本公開的又一方面中，公開了一種用于在神經(jīng)網(wǎng)絡(luò)的突觸中維持狀態(tài)變量的設(shè)備。該設(shè)備包括用于在軸突中維持狀態(tài)變量的裝置。該軸突中的狀態(tài)變量基于第一預(yù)定事件的發(fā)生被更新。該設(shè)備還包括用于基于該軸突中的狀態(tài)變量和第二預(yù)定事件的發(fā)生來更新該突觸中的狀態(tài)變量的裝置。在本公開的又一方面中，公開了一種用于在神經(jīng)網(wǎng)絡(luò)的突觸中維持狀態(tài)變量的計算機(jī)程序產(chǎn)品。該計算機(jī)程序產(chǎn)品包括其上編碼有程序代碼的非瞬態(tài)計算機(jī)可讀介質(zhì)。該程序代碼包括用于在軸突中維持狀態(tài)變量的程序代碼。該軸突中的狀態(tài)變量基于第一預(yù)定事件的發(fā)生被更新。該程序代碼還包括用于基于該軸突中的狀態(tài)變量和第二預(yù)定事件的發(fā)生來更新該突觸中的狀態(tài)變量的程序代碼。這已較寬泛地勾勒出本公開的特征和技術(shù)優(yōu)勢以便下面的詳細(xì)描述可以被更好地理解。本公開的其他特征和優(yōu)點將在下文描述。本領(lǐng)域技術(shù)人員應(yīng)該領(lǐng)會，本公開可容易地被用作改動或設(shè)計用于實施與本公開相同的目的的其他結(jié)構(gòu)的基礎(chǔ)。本領(lǐng)域技術(shù)人員還應(yīng)認(rèn)識到，這樣的等效構(gòu)造并不脫離如所附權(quán)利要求中所闡述的本公開的教導(dǎo)。被認(rèn)為是本公開的特性的新穎特征在其組織和操作方法兩方面連同進(jìn)一步的目的和優(yōu)點在結(jié)合附圖來考慮以下描述時將被更好地理解。然而，要清楚理解的是，提供每一幅附圖均僅用于解說和描述目的，且無意作為對本公開的限定的定義。附圖簡述在結(jié)合附圖理解下面闡述的詳細(xì)描述時，本公開的特征、本質(zhì)和優(yōu)點將變得更加明顯，在附圖中，相同附圖標(biāo)記始終作相應(yīng)標(biāo)識。圖1解說根據(jù)本公開的一些方面的示例神經(jīng)元網(wǎng)絡(luò)。圖2解說根據(jù)本公開的一些方面的計算網(wǎng)絡(luò)(神經(jīng)系統(tǒng)或神經(jīng)網(wǎng)絡(luò))的處理單元(神經(jīng)元)的示例。圖3解說根據(jù)本公開的一些方面的尖峰定時依賴可塑性(STDP)曲線的示例。圖4解說根據(jù)本公開的一些方面的用于定義神經(jīng)元模型的行為的正態(tài)相和負(fù)態(tài)相的示例。圖5解說根據(jù)本公開的一些方面的使用通用處理器來設(shè)計神經(jīng)網(wǎng)絡(luò)的示例實現(xiàn)。圖6解說根據(jù)本公開的一些方面的設(shè)計其中存儲器可以與個體的分布式處理單元對接的神經(jīng)網(wǎng)絡(luò)的示例實現(xiàn)。圖7解說根據(jù)本公開的一些方面的基于分布式存儲器和分布式處理單元來設(shè)計神經(jīng)網(wǎng)絡(luò)的示例實現(xiàn)。圖8解說根據(jù)本公開的一些方面的神經(jīng)網(wǎng)絡(luò)的示例實現(xiàn)。圖9和10解說根據(jù)本公開的各方面用于在尖峰神經(jīng)網(wǎng)絡(luò)中調(diào)制可塑性的時序圖。圖11是解說根據(jù)本公開的一方面的用于在尖峰神經(jīng)網(wǎng)絡(luò)中調(diào)制可塑性的方法的框圖。詳細(xì)描述以下結(jié)合附圖闡述的詳細(xì)描述旨在作為各種配置的描述，而無意表示可實踐本文中所描述的概念的僅有的配置。本詳細(xì)描述包括具體細(xì)節(jié)以便提供對各種概念的透徹理解。然而，對于本領(lǐng)域技術(shù)人員將顯而易見的是，沒有這些具體細(xì)節(jié)也可實踐這些概念。在一些實例中，以框圖形式示出眾所周知的結(jié)構(gòu)和組件以避免湮沒此類概念?；诒窘虒?dǎo)，本領(lǐng)域技術(shù)人員應(yīng)領(lǐng)會，本公開的范圍旨在覆蓋本公開的任何方面，不論其是與本公開的任何其他方面相獨立地還是組合地實現(xiàn)的。例如，可以使用所闡述的任何數(shù)目的方面來實現(xiàn)裝置或?qū)嵺`方法。另外，本公開的范圍旨在覆蓋使用作為所闡述的本公開的各個方面的補充或者與之不同的其他結(jié)構(gòu)、功能性、或者結(jié)構(gòu)及功能性來實踐的此類裝置或方法。應(yīng)當(dāng)理解，所披露的本公開的任何方面可由權(quán)利要求的一個或多個元素來實施。措辭“示例性”在本文中用于表示“用作示例、實例或解說”。本文中描述為“示例性”的任何方面不必被解釋為優(yōu)于或勝過其他方面。盡管本文描述了特定方面，但這些方面的眾多變體和置換落在本公開的范圍之內(nèi)。雖然提到了優(yōu)選方面的一些益處和優(yōu)點，但本公開的范圍并非旨在被限定于特定益處、用途或目標(biāo)。相反，本公開的各方面旨在能寬泛地應(yīng)用于不同的技術(shù)、系統(tǒng)配置、網(wǎng)絡(luò)和協(xié)議，其中一些作為示例在附圖以及以下對優(yōu)選方面的描述中解說。詳細(xì)描述和附圖僅僅解說本公開而非限定本公開，本公開的范圍由所附權(quán)利要求及其等效技術(shù)方案來定義。示例神經(jīng)系統(tǒng)、訓(xùn)練及操作圖1解說根據(jù)本公開的一些方面的具有多級神經(jīng)元的示例人工神經(jīng)系統(tǒng)100。神經(jīng)系統(tǒng)100可具有神經(jīng)元級102，該神經(jīng)元級102通過突觸連接網(wǎng)絡(luò)104(即，前饋連接)來連接到另一神經(jīng)元級106。為簡單起見，圖1中僅解說了兩級神經(jīng)元，盡管神經(jīng)系統(tǒng)中可存在更少或更多級神經(jīng)元。應(yīng)注意，一些神經(jīng)元可通過側(cè)向連接來連接至同層中的其他神經(jīng)元。此外，一些神經(jīng)元可通過反饋連接來后向連接至先前層中的神經(jīng)元。如圖1所解說的，級102中的每一個神經(jīng)元可以接收可由前級的神經(jīng)元(未在圖1中示出)生成的輸入信號108。信號108可表示級102的神經(jīng)元的輸入電流。該電流可在神經(jīng)元膜上累積以對膜電位進(jìn)行充電。當(dāng)膜電位達(dá)到其閾值時，該神經(jīng)元可激發(fā)并生成輸出尖峰，該輸出尖峰將被傳遞到下一級神經(jīng)元(例如，級106)。在一些建模辦法中，神經(jīng)元可以連續(xù)地向下一級神經(jīng)元傳遞信號。該信號通常是膜電位的函數(shù)。此類行為可在硬件和/或軟件(包括模擬和數(shù)字實現(xiàn)，諸如以下所述那些實現(xiàn))中進(jìn)行仿真或模擬。在生物學(xué)神經(jīng)元中，在神經(jīng)元激發(fā)時生成的輸出尖峰被稱為動作電位。該電信號是相對迅速、瞬態(tài)的神經(jīng)沖激，其具有約為100mV的振幅和約為1ms的歷時。在具有一系列連通的神經(jīng)元(例如，尖峰從圖1中的一級神經(jīng)元傳遞至另一級神經(jīng)元)的神經(jīng)系統(tǒng)的特定實施例中，每個動作電位都具有基本上相同的振幅和歷時，并且因此該信號中的信息可僅由尖峰的頻率和數(shù)目、或尖峰的時間來表示，而不由振幅來表示。動作電位所攜帶的信息可由尖峰、發(fā)放了尖峰的神經(jīng)元、以及該尖峰相對于一個或數(shù)個其他尖峰的時間來確定。尖峰的重要性可由向各神經(jīng)元之間的連接所應(yīng)用的權(quán)重來確定，如以下所解釋的。尖峰從一級神經(jīng)元向另一級神經(jīng)元的傳遞可通過突觸連接(或簡稱“突觸”)網(wǎng)絡(luò)104來達(dá)成，如圖1中所解說的。相對于突觸104，級102的神經(jīng)元可被視為突觸前神經(jīng)元，而級106的神經(jīng)元可被視為突觸后神經(jīng)元。突觸104可接收來自級102的神經(jīng)元的輸出信號(即，尖峰)，并根據(jù)可調(diào)節(jié)突觸權(quán)重來按比例縮放那些信號，其中P是級102的神經(jīng)元與級106的神經(jīng)元之間的突觸連接的總數(shù)，并且i是神經(jīng)元級的指示符。在圖1的示例中，i表示神經(jīng)元級102并且i+1表示神經(jīng)元級106。此外，經(jīng)按比例縮放的信號可被組合以作為級106中每個神經(jīng)元的輸入信號。級106中的每個神經(jīng)元可基于對應(yīng)的組合輸入信號來生成輸出尖峰110?？墒褂昧硪煌挥|連接網(wǎng)絡(luò)(圖1中未示出)將這些輸出尖峰110傳遞到另一級神經(jīng)元。生物學(xué)突觸可以仲裁突觸后神經(jīng)元中的興奮性或抑制性(超級化)動作，并且還可用于放大神經(jīng)元信號。興奮性信號使膜電位去極化(即，相對于靜息電位增大膜電位)。如果在某個時間段內(nèi)接收到足夠的興奮性信號以使膜電位去極化到高于閾值，則在突觸后神經(jīng)元中發(fā)生動作電位。相反，抑制性信號一般使膜電位超極化(即，降低膜電位)。抑制性信號如果足夠強(qiáng)則可抵消掉興奮性信號之和并阻止膜電位到達(dá)閾值。除了抵消掉突觸興奮以外，突觸抑制還可對自發(fā)活躍神經(jīng)元施加強(qiáng)力的控制。自發(fā)活躍神經(jīng)元是指在沒有進(jìn)一步輸入的情況下(例如，由于其動態(tài)或反饋而)發(fā)放尖峰的神經(jīng)元。通過壓制這些神經(jīng)元中的動作電位的自發(fā)生成，突觸抑制可對神經(jīng)元中的激發(fā)模式進(jìn)行定形，這一般被稱為雕刻。取決于期望的行為，各種突觸104可充當(dāng)興奮性或抑制性突觸的任何組合。神經(jīng)系統(tǒng)100可由通用處理器、數(shù)字信號處理器(DSP)、專用集成電路(ASIC)、現(xiàn)場可編程門陣列(FPGA)或其他可編程邏輯器件(PLD)、分立的門或晶體管邏輯、分立的硬件組件、由處理器執(zhí)行的軟件模塊、或其任何組合來仿真。神經(jīng)系統(tǒng)100可用在大范圍的應(yīng)用中，諸如圖像和模式識別、機(jī)器學(xué)習(xí)、電機(jī)控制、及類似應(yīng)用等。神經(jīng)系統(tǒng)100中的每一神經(jīng)元可被實現(xiàn)為神經(jīng)元電路。被充電至發(fā)起輸出尖峰的閾值的神經(jīng)元膜可被實現(xiàn)為例如對流經(jīng)其的電流進(jìn)行積分的電容器。在一方面，電容器作為神經(jīng)元電路的電流積分器件可被除去，并且可使用較小的憶阻器元件來替代它。這種辦法可應(yīng)用于神經(jīng)元電路中，以及其中大容量電容器被用作電流積分器的各種其他應(yīng)用中。另外，每個突觸104可基于憶阻器元件來實現(xiàn)，其中突觸權(quán)重變化可與憶阻器電阻的變化有關(guān)。使用納米特征尺寸的憶阻器，可顯著地減小神經(jīng)元電路和突觸的面積，這可使得實現(xiàn)大規(guī)模神經(jīng)系統(tǒng)硬件實現(xiàn)更為切實可行。對神經(jīng)系統(tǒng)100進(jìn)行仿真的神經(jīng)處理器的功能性可取決于突觸連接的權(quán)重，這些權(quán)重可控制神經(jīng)元之間的連接的強(qiáng)度。突觸權(quán)重可存儲在非易失性存儲器中以在掉電之后保留該處理器的功能性。在一方面，突觸權(quán)重存儲器可實現(xiàn)在與主神經(jīng)處理器芯片分開的外部芯片上。突觸權(quán)重存儲器可與神經(jīng)處理器芯片分開地封裝成可更換的存儲卡。這可向神經(jīng)處理器提供多種多樣的功能性，其中特定功能性可基于當(dāng)前附連至神經(jīng)處理器的存儲卡中所存儲的突觸權(quán)重。圖2解說根據(jù)本公開的一些方面的計算網(wǎng)絡(luò)(例如，神經(jīng)系統(tǒng)或神經(jīng)網(wǎng)絡(luò))的處理單元(例如，神經(jīng)元或神經(jīng)元電路)202的示例性示圖200。例如，神經(jīng)元202可對應(yīng)于來自圖1的級102和106的任何神經(jīng)元。神經(jīng)元202可接收多個輸入信號2041-204N，這些輸入信號可以是該神經(jīng)系統(tǒng)外部的信號、或是由同一神經(jīng)系統(tǒng)的其他神經(jīng)元所生成的信號、或這兩者。輸入信號可以是電流、電導(dǎo)、電壓、實數(shù)值的和/或復(fù)數(shù)值的。輸入信號可包括具有定點或浮點表示的數(shù)值?？赏ㄟ^突觸連接將這些輸入信號遞送到神經(jīng)元202，突觸連接根據(jù)可調(diào)節(jié)突觸權(quán)重2061-206N(W1-WN)對這些信號進(jìn)行按比例縮放，其中N可以是神經(jīng)元202的輸入連接總數(shù)。神經(jīng)元202可組合這些經(jīng)按比例縮放的輸入信號，并且使用組合的經(jīng)按比例縮放的輸入來生成輸出信號208(即，信號Y)。輸出信號208可以是電流、電導(dǎo)、電壓、實數(shù)值的和/或復(fù)數(shù)值的。輸出信號可以是具有定點或浮點表示的數(shù)值。隨后該輸出信號208可作為輸入信號傳遞至同一神經(jīng)系統(tǒng)的其他神經(jīng)元、或作為輸入信號傳遞至同一神經(jīng)元202、或作為該神經(jīng)系統(tǒng)的輸出來傳遞。處理單元(神經(jīng)元)202可由電路來仿真，并且其輸入和輸出連接可由具有突觸電路的電連接來仿真。處理單元202及其輸入和輸出連接也可由軟件代碼來仿真。處理單元202還可由電路來仿真，而其輸入和輸出連接可由軟件代碼來仿真。在一方面，計算網(wǎng)絡(luò)中的處理單元202可以是模擬電路。在另一方面，處理單元202可以是數(shù)字電路。在又一方面，處理單元202可以是具有模擬和數(shù)字組件兩者的混合信號電路。計算網(wǎng)絡(luò)可包括任何前述形式的處理單元。使用這樣的處理單元的計算網(wǎng)絡(luò)(神經(jīng)系統(tǒng)或神經(jīng)網(wǎng)絡(luò))可用在大范圍的應(yīng)用中，諸如圖像和模式識別、機(jī)器學(xué)習(xí)、電機(jī)控制、及類似應(yīng)用等。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程期間，突觸權(quán)重(例如，來自圖1的權(quán)重和/或來自圖2的權(quán)重2061-206N)可用隨機(jī)值來初始化并根據(jù)學(xué)習(xí)規(guī)則而被增大或減小。本領(lǐng)域技術(shù)人員將領(lǐng)會，學(xué)習(xí)規(guī)則的示例包括但不限于尖峰定時依賴可塑性(STDP)學(xué)習(xí)規(guī)則、Hebb規(guī)則、Oja規(guī)則、Bienenstock-Copper-Munro(BCM)規(guī)則等。在一些方面，這些權(quán)重可穩(wěn)定或收斂至兩個值(即，權(quán)重的雙峰分布)之一。該效應(yīng)可被用于減少每個突觸權(quán)重的位數(shù)、提高從/向存儲突觸權(quán)重的存儲器讀取和寫入的速度、以及降低突觸存儲器的功率和/或處理器消耗。突觸類型在神經(jīng)網(wǎng)絡(luò)的硬件和軟件模型中，突觸相關(guān)功能的處理可基于突觸類型。突觸類型可以是非可塑突觸(權(quán)重和延遲沒有改變)、可塑突觸(權(quán)重可改變)、結(jié)構(gòu)化延遲可塑突觸(權(quán)重和延遲可改變)、全可塑突觸(權(quán)重、延遲和連通性可改變)、以及基于此的變型(例如，延遲可改變，但在權(quán)重或連通性方面沒有改變)。多種類型的優(yōu)點在于處理可以被細(xì)分。例如，非可塑突觸不會使用待執(zhí)行的可塑性功能(或等待此類功能完成)。類似地，延遲和權(quán)重可塑性可被細(xì)分成可一起或分開地、順序地或并行地運作的操作。不同類型的突觸對于適用的每一種不同的可塑性類型可具有不同的查找表或公式以及參數(shù)。因此，這些方法將針對該突觸的類型來訪問相關(guān)的表、公式或參數(shù)。還進(jìn)一步牽涉到以下事實：尖峰定時依賴型結(jié)構(gòu)化可塑性可獨立于突觸可塑性地來執(zhí)行。結(jié)構(gòu)化可塑性即使在權(quán)重幅值沒有改變的情況下(例如，如果權(quán)重已達(dá)最小或最大值、或者其由于某種其他原因而不被改變)也可被執(zhí)行，因為結(jié)構(gòu)化可塑性(即，延遲改變的量)可以是前-后尖峰時間差的直接函數(shù)。替換地，結(jié)構(gòu)化可塑性可被設(shè)為權(quán)重變化量的函數(shù)或者可基于與權(quán)重或權(quán)重變化的界限有關(guān)的條件來設(shè)置。例如，突觸延遲可僅在權(quán)重變化發(fā)生時或者在權(quán)重到達(dá)0的情況下才改變，但在這些權(quán)重為最大值時則不改變。然而，具有獨立函數(shù)以使得這些過程能被并行化從而減少存儲器訪問的次數(shù)和交疊可能是有利的。突觸可塑性的確定神經(jīng)元可塑性(或簡稱“可塑性”)是大腦中的神經(jīng)元和神經(jīng)網(wǎng)絡(luò)響應(yīng)于新的信息、感官刺激、發(fā)展、損壞、或機(jī)能障礙而改變其突觸連接和行為的能力?？伤苄詫τ谏飳W(xué)中的學(xué)習(xí)和記憶、以及對于計算神經(jīng)元科學(xué)和神經(jīng)網(wǎng)絡(luò)是重要的。已經(jīng)研究了各種形式的可塑性，諸如突觸可塑性(例如，根據(jù)Hebbian理論)、尖峰定時依賴可塑性(STDP)、非突觸可塑性、活躍性依賴可塑性、結(jié)構(gòu)化可塑性和自穩(wěn)態(tài)可塑性。STDP是調(diào)節(jié)神經(jīng)元之間的突觸連接的強(qiáng)度的學(xué)習(xí)過程。連接強(qiáng)度是基于特定神經(jīng)元的輸出與收到輸入尖峰(即，動作電位)的相對定時來調(diào)節(jié)的。在STDP過程下，如果至某個神經(jīng)元的輸入尖峰平均而言傾向于緊挨在該神經(jīng)元的輸出尖峰之前發(fā)生，則可發(fā)生長期增強(qiáng)(LTP)。于是使得該特定輸入在一定程度上更強(qiáng)。另一方面，如果輸入尖峰平均而言傾向于緊接在輸出尖峰之后發(fā)生，則可發(fā)生長期抑壓(LTD)。于是使得該特定輸入在一定程度上更弱，并由此得名“尖峰定時依賴可塑性”。因此，使得可能是突觸后神經(jīng)元興奮原因的輸入甚至在將來作出貢獻(xiàn)的可能性更大，而使得不是突觸后尖峰的原因的輸入在將來作出貢獻(xiàn)的可能性更小。該過程繼續(xù)，直至初始連接集合的子集保留，而所有其他連接的影響減小至無關(guān)緊要的水平。由于神經(jīng)元一般在其許多輸入都在一短時段內(nèi)發(fā)生(即，累積性足以引起輸出)時產(chǎn)生輸出尖峰，因此通常保留下來的輸入子集包括傾向于在時間上相關(guān)的那些輸入。另外，由于在輸出尖峰之前發(fā)生的輸入被加強(qiáng)，因此提供對相關(guān)性的最早充分累積性指示的那些輸入將最終變成至該神經(jīng)元的最后輸入。STDP學(xué)習(xí)規(guī)則可因變于突觸前神經(jīng)元的尖峰時間tpre與突觸后神經(jīng)元的尖峰時間tpost之間的時間差(即，t＝tpost-tpre)來有效地適配將該突觸前神經(jīng)元連接到該突觸后神經(jīng)元的突觸的突觸權(quán)重。STDP的典型公式化是若該時間差為正(突觸前神經(jīng)元在突觸后神經(jīng)元之前激發(fā))則增大突觸權(quán)重(即，增強(qiáng)該突觸)，以及若該時間差為負(fù)(突觸后神經(jīng)元在突觸前神經(jīng)元之前激發(fā))則減小突觸權(quán)重(即，抑壓該突觸)。在STDP過程中，突觸權(quán)重隨時間推移的改變可通常使用指數(shù)式衰退來達(dá)成，如由下式給出的：Δw(t)=a+e-t/k++μ,t>0a-et/k-,t<0,---(1)]]>其中k+和分別是針對正和負(fù)時間差的時間常數(shù)，a+和a-是對應(yīng)的比例縮放幅值，并且μ是可應(yīng)用于正時間差和/或負(fù)時間差的偏移。圖3解說了根據(jù)STDP，突觸權(quán)重作為突觸前(presynaptic)和突觸后(postsynaptic)尖峰的相對定時的函數(shù)而改變的示例性示圖300。如果突觸前神經(jīng)元在突觸后神經(jīng)元之前激發(fā)，則對應(yīng)的突觸權(quán)重可被增大，如曲線圖300的部分302中所解說的。該權(quán)重增大可被稱為該突觸的LTP。從曲線圖部分302可觀察到，LTP的量可因變于突觸前和突觸后尖峰時間之差而大致呈指數(shù)式地下降。相反的激發(fā)次序可減小突觸權(quán)重，如曲線圖300的部分304中所解說的，從而導(dǎo)致該突觸的LTD。如圖3中的曲線圖300中所解說的，可向STDP曲線圖的LTP(因果性)部分302應(yīng)用負(fù)偏移μ。x軸的交越點306(y＝0)可被配置成與最大時間滯后重合以考慮到來自層i-1的各因果性輸入的相關(guān)性。在基于幀的輸入(即，呈特定歷時的包括尖峰或脈沖的幀的形式的輸入)的情形中，可計算偏移值μ以反映幀邊界。該幀中的第一輸入尖峰(脈沖)可被視為要么如直接由突觸后電位所建模地隨時間衰退，要么在對神經(jīng)狀態(tài)的影響的意義上隨時間衰退。如果該幀中的第二輸入尖峰(脈沖)被視為與特定時間幀相關(guān)或有關(guān)，則該幀之前和之后的有關(guān)時間可通過使STDP曲線的一個或多個部分偏移以使得這些有關(guān)時間中的值可以不同(例如，對于大于一個幀為負(fù)，而對于小于一個幀為正)來在該時間幀邊界處被分開并在可塑性意義上被不同地對待。例如，負(fù)偏移μ可被設(shè)為偏移LTP以使得曲線實際上在大于幀時間的pre-post時間處變得低于零并且它由此為LTD而非LTP的一部分。神經(jīng)元模型及操作存在一些用于設(shè)計有用的尖峰發(fā)放神經(jīng)元模型的一般原理。良好的神經(jīng)元模型在以下兩個計算態(tài)相(regime)方面可具有豐富的潛在行為：重合性檢測和功能性計算。此外，良好的神經(jīng)元模型應(yīng)當(dāng)具有允許時間編碼的兩個要素：輸入的抵達(dá)時間影響輸出時間，以及重合性檢測能具有窄時間窗。最后，為了在計算上是有吸引力的，良好的神經(jīng)元模型在連續(xù)時間上可具有閉合形式解，并且具有穩(wěn)定的行為，包括在靠近吸引子和鞍點之處。換言之，有用的神經(jīng)元模型是可實踐且可建模豐富的、現(xiàn)實的且生物學(xué)一致的行為并且允許對神經(jīng)電路進(jìn)行工程設(shè)計和反向工程設(shè)計兩者的神經(jīng)元模型。神經(jīng)元模型可取決于事件，諸如輸入抵達(dá)、輸出尖峰或其他事件，無論這些事件是內(nèi)部的還是外部的。為了達(dá)成豐富的行為庫，能展現(xiàn)復(fù)雜行為的狀態(tài)機(jī)可能是期望的。如果事件本身的發(fā)生在撇開輸入貢獻(xiàn)(若有)的情況下能影響狀態(tài)機(jī)并約束該事件之后的動態(tài)，則該系統(tǒng)的將來狀態(tài)并非僅是狀態(tài)和輸入的函數(shù)，而是狀態(tài)、事件和輸入的函數(shù)。在一方面，神經(jīng)元n可被建模為尖峰帶漏泄積分激發(fā)神經(jīng)元，其膜電壓vn(t)由以下動態(tài)來支配：dvn(t)dt=αvn(t)+βΣmwm,nym(t-Δtm,n),---(2)]]>其中α和β是參數(shù)，wm,n是將突觸前神經(jīng)元m連接至突觸后神經(jīng)元n的突觸的突觸權(quán)重，以及ym(t)是神經(jīng)元m的尖峰發(fā)放輸出，其可根據(jù)Δtm,n被延遲達(dá)樹突或軸突延遲才抵達(dá)神經(jīng)元n的胞體。應(yīng)注意，從建立了對突觸后神經(jīng)元的充分輸入的時間直至該突觸后神經(jīng)元實際上激發(fā)的時間存在延遲。在動態(tài)尖峰神經(jīng)元模型(諸如Izhikevich簡單模型)中，如果在去極化閾值vt與峰值尖峰電壓vpeak之間有差量，則可引發(fā)時間延遲。例如，在該簡單模型中，神經(jīng)元胞體動態(tài)可由關(guān)于電壓和恢復(fù)的微分方程對來支配，即：dvdt=(k(v-vt)(v-vr)-u+I)/C,---(3)]]>dudt=a(b(v-vr)-u).---(4)]]>其中v是膜電位，u是膜恢復(fù)變量，k是描述膜電位v的時間尺度的參數(shù)，a是描述恢復(fù)變量u的時間尺度的參數(shù)，b是描述恢復(fù)變量u對膜電位v的閾下波動的敏感度的參數(shù)，vr是膜靜息電位，I是突觸電流，以及C是膜的電容。根據(jù)該模型，神經(jīng)元被定義為在v＞vpeak時發(fā)放尖峰。HunzingerCold模型HunzingerCold神經(jīng)元模型是能再現(xiàn)豐富多樣的各種神經(jīng)行為的最小雙態(tài)相尖峰發(fā)放線性動態(tài)模型。該模型的一維或二維線性動態(tài)可具有兩個態(tài)相，其中時間常數(shù)(以及耦合)可取決于態(tài)相。在閾下態(tài)相中，時間常數(shù)(按照慣例為負(fù))表示漏泄通道動態(tài)，其一般作用于以生物學(xué)一致的線性方式使細(xì)胞返回到靜息。閾上態(tài)相中的時間常數(shù)(按照慣例為正)反映抗漏泄通道動態(tài)，其一般驅(qū)動細(xì)胞發(fā)放尖峰，而同時在尖峰生成中引發(fā)等待時間。如圖4中所解說的，該模型400的動態(tài)可被劃分成兩個(或更多個)態(tài)相。這些態(tài)相可被稱為負(fù)態(tài)相402(也可互換地稱為帶漏泄積分激發(fā)(LIF)態(tài)相，勿與LIF神經(jīng)元模型混淆)以及正態(tài)相404(也可互換地稱為抗漏泄積分激發(fā)(ALIF)態(tài)相，勿與ALIF神經(jīng)元模型混淆)。在負(fù)態(tài)相402中，狀態(tài)在將來事件的時間趨向于靜息(v_)。在該負(fù)態(tài)相中，該模型一般展現(xiàn)出時間輸入檢測性質(zhì)及其他閾下行為。在正態(tài)相404中，狀態(tài)趨向于尖峰發(fā)放事件(vs)。在該正態(tài)相中，該模型展現(xiàn)出計算性質(zhì)，諸如取決于后續(xù)輸入事件而引發(fā)發(fā)放尖峰的等待時間。在事件方面對動態(tài)進(jìn)行公式化以及將動態(tài)分成這兩個態(tài)相是該模型的基礎(chǔ)特性。線性雙態(tài)相二維動態(tài)(對于狀態(tài)v和u)可按照慣例定義為：τρdvdt=v+qρ---(5)]]>-τududt=u+r---(6)]]>其中qρ和r是用于耦合的線性變換變量。符號ρ在本文中用于標(biāo)示動態(tài)態(tài)相，在討論或表達(dá)具體態(tài)相的關(guān)系時，按照慣例對于負(fù)態(tài)相和正態(tài)相分別用符號“-”或“+”來替換符號ρ。模型狀態(tài)通過膜電位(電壓)v和恢復(fù)電流u來定義。在基本形式中，態(tài)相在本質(zhì)上是由模型狀態(tài)來決定的。該精確和通用的定義存在一些細(xì)微卻重要的方面，但目前考慮該模型在電壓v高于閾值(v+)的情況下處于正態(tài)相404中，否則處于負(fù)態(tài)相402中。態(tài)相依賴型時間常數(shù)包括負(fù)態(tài)相時間常數(shù)τ_和正態(tài)相時間常數(shù)τ+。恢復(fù)電流時間常數(shù)τu通常是與態(tài)相無關(guān)的。出于方便起見，負(fù)態(tài)相時間常數(shù)τ_通常被指定為反映衰退的負(fù)量，從而用于電壓演變的相同表達(dá)式可用于正態(tài)相，在正態(tài)相中指數(shù)和τ+將一般為正，正如τu那樣。這兩個狀態(tài)元素的動態(tài)可在發(fā)生事件之際通過使?fàn)顟B(tài)偏離其零傾線(null-cline)的變換來耦合，其中變換變量為：qρ＝-τρβu-vρ(7)r＝δ(v+ε)(8)其中δ、ε、β和v_、v+是參數(shù)。vρ的兩個值是這兩個態(tài)相的參考電壓的基數(shù)。參數(shù)v_是負(fù)態(tài)相的基電壓，并且膜電位在負(fù)態(tài)相中一般將朝向v_衰退。參數(shù)v+是正態(tài)相的基電壓，并且膜電位在正態(tài)相中一般將趨向于背離v+。v和u的零傾線分別由變換變量qρ和r的負(fù)數(shù)給出。參數(shù)δ是控制u零傾線的斜率的縮放因子。參數(shù)ε通常被設(shè)為等于-v_。參數(shù)β是控制這兩個態(tài)相中的v零傾線的斜率的電阻值。τρ時間常數(shù)參數(shù)不僅控制指數(shù)式衰退，還單獨地控制每個態(tài)相中的零傾線斜率。該模型可被定義為在電壓v達(dá)到值vS時發(fā)放尖峰。隨后，狀態(tài)可在發(fā)生復(fù)位事件(其可以與尖峰事件完全相同)之際被復(fù)位：v=v^----(9)]]>u＝u+Δu(10)其中和Δu是參數(shù)。復(fù)位電壓通常被設(shè)為v_。依照瞬時耦合的原理，閉合形式解不僅對于狀態(tài)是可能的(且具有單個指數(shù)項)，而且對于到達(dá)特定狀態(tài)的時間也是可能的。閉合形式狀態(tài)解為：v(t+Δt)=(v(t)+qρ)eΔtτρ-qρ---(11)]]>u(t+Δt)=(u(t)+r)e-Δtτu-r---(12)]]>因此，模型狀態(tài)可僅在發(fā)生事件之際被更新，諸如在輸入(突觸前尖峰)或輸出(突觸后尖峰)之際被更新。還可在任何特定時間(無論是否有輸入或輸出)執(zhí)行操作。而且，依照瞬時耦合原理，突觸后尖峰的時間可被預(yù)計，因此到達(dá)特定狀態(tài)的時間可提前被確定而無需迭代技術(shù)或數(shù)值方法(例如，歐拉數(shù)值方法)。給定了先前電壓狀態(tài)v0，直至到達(dá)電壓狀態(tài)vf之前的時間延遲由下式給出：Δt=τρlogvf+qρv0+qρ---(13)]]>如果尖峰被定義為發(fā)生在電壓狀態(tài)v到達(dá)vS的時間，則從電壓處于給定狀態(tài)v的時間起測量的直至發(fā)生尖峰前的時間量或即相對延遲的閉合形式解為：其中通常被設(shè)為參數(shù)v+，但其他變型可以是可能的。模型動態(tài)的以上定義取決于該模型是在正態(tài)相還是負(fù)態(tài)相中。如所提及的，耦合和態(tài)相ρ可基于事件來計算。出于狀態(tài)傳播的目的，態(tài)相和耦合(變換)變量可基于在上一(先前)事件的時間的狀態(tài)來定義。出于隨后預(yù)計尖峰輸出時間的目的，態(tài)相和耦合變量可基于在下一(當(dāng)前)事件的時間的狀態(tài)來定義。存在對該Cold模型、以及在時間上執(zhí)行模擬、仿真、或建模的若干可能實現(xiàn)。這包括例如事件-更新、步階-事件更新、以及步階-更新模式。事件更新是其中基于事件或“事件更新”(在特定時刻)來更新狀態(tài)的更新。步階更新是以間隔(例如，1ms)來更新模型的更新。這不一定利用迭代方法或數(shù)值方法。通過僅在事件發(fā)生于步階處或步階間的情況下才更新模型或即通過“步階-事件”更新，基于事件的實現(xiàn)以有限的時間分辨率在基于步階的模擬器中實現(xiàn)也是可能的。在尖峰神經(jīng)網(wǎng)絡(luò)中通過全局標(biāo)量值來調(diào)制可塑性多巴胺(DA)是一種調(diào)制突觸的可塑性的神經(jīng)調(diào)制劑。經(jīng)多巴胺調(diào)制的可塑性將前尖峰和后尖峰事件與經(jīng)延遲獎勵信號相關(guān)。前尖峰和后尖峰事件可被用來確定突觸是否有資格例如接受更新(諸如權(quán)重改變)。在一些方面，前尖峰/后尖峰事件可觸發(fā)針對每個突觸的資格跡(eligibilitytrace)。資格跡的幅值可以基于前尖峰事件和后尖峰事件的定時來計算。例如，該幅值可以使用查找表來計算，諸如尖峰定時依賴可塑性查找表(例如，STDP(t_(pre,post))。相應(yīng)地，該資格跡的幅值可由下式給出：tr(t)＝tr(t-1)e^(-t/τ_trace)+STDP(t_(pre,post))(15)如此，該資格跡的幅值可根據(jù)下式隨時間衰退：tr(t)＝tr(t-1)e^(-t/τ_trace).(16)獎勵輸入可由神經(jīng)調(diào)制劑水平改變來表示。在一個示例中，神經(jīng)調(diào)制劑可以是多巴胺。然而，這僅是示例性的，而且還可以使用其他神經(jīng)調(diào)制劑。而且，還可以使用多種類型的神經(jīng)調(diào)制劑。例如，不同神經(jīng)調(diào)制劑類型可以結(jié)合不同類型的神經(jīng)元和/或突觸來使用。獎勵輸入可以經(jīng)由外部源提供并且可以是正的或負(fù)的。獎勵輸入可被累積并存儲在神經(jīng)模塊中，該神經(jīng)模塊可包括分開的寄存器或其他存儲。例如，當(dāng)獎勵輸入信號被接收時，獎勵輸入信號可被編碼為神經(jīng)元群體中的尖峰并被提供給該神經(jīng)模塊以遞增累積獎勵信號(例如，神經(jīng)調(diào)制劑信號，諸如多巴胺)。在一些方面，神經(jīng)模塊可包括Kortex調(diào)制器(KM)，該Kortex調(diào)制器是與超神經(jīng)元相關(guān)聯(lián)的存儲器單元。在其他方面，該神經(jīng)模塊還可包括軸突、神經(jīng)元或超神經(jīng)元。一特殊突觸可被耦合在神經(jīng)元群體與該神經(jīng)模塊之間。在一些方面，對于每種神經(jīng)調(diào)制劑類型可存在一特殊突觸。該特殊突觸可被用來遞增和/或遞減累積獎勵信號。相應(yīng)地，當(dāng)突觸前神經(jīng)元發(fā)放尖峰時，該神經(jīng)模塊內(nèi)的恰適神經(jīng)調(diào)制劑變量可被遞增一神經(jīng)調(diào)制劑值。神經(jīng)調(diào)制劑遞增值可以是固定或可變值并且可以是正的或負(fù)的。從而，該神經(jīng)模塊可起到維持例如神經(jīng)調(diào)制劑狀態(tài)變量(例如，神經(jīng)調(diào)制劑信號)的特殊單元或神經(jīng)元的作用。在一些方面，神經(jīng)調(diào)制劑信號可包括狀態(tài)值，該狀態(tài)值可潛在被用于更新該神經(jīng)網(wǎng)絡(luò)中的突觸的狀態(tài)變量(例如權(quán)重)。而且，累積的神經(jīng)調(diào)制劑信號可適用于或被用于更新神經(jīng)網(wǎng)絡(luò)中的所有突觸或其子集。從而，在一些方面，累積的神經(jīng)調(diào)制劑信號可以是全局值。神經(jīng)模塊更新神經(jīng)模塊(以及進(jìn)而所包括的狀態(tài)變量)可在每步階基礎(chǔ)上被更新。例如，狀態(tài)變量可在每個時間步階(timestep)(τ)處被更新。在一些方面，神經(jīng)模塊狀態(tài)變量可在神經(jīng)狀態(tài)更新的末尾被更新。在其他方面，神經(jīng)模塊狀態(tài)變量可在基于尖峰事件(例如，尖峰或尖峰重放事件)的定時被更新。權(quán)重改變可作為神經(jīng)調(diào)制劑(例如多巴胺)水平和資格跡(其隨時間衰退)之積來確定。即，權(quán)重改變可根據(jù)下式被表達(dá)為累積神經(jīng)調(diào)制劑信號(例如如下所示的多巴胺)和資格跡幅值的卷積：Δwn(t)＝tr(t)·多巴胺(t)(17)其中tr(t)是資格跡的幅值，而多巴胺(t)是累積神經(jīng)調(diào)制劑信號。當(dāng)存在獎勵輸入(r)時，可計算權(quán)重改變。權(quán)重改變可在每步(τ)被更新并累積。如此，累積的權(quán)重改變可被維持在神經(jīng)模塊中并在稍后時間被應(yīng)用于突觸(例如，在發(fā)生尖峰重放事件之際)。在一些方面，神經(jīng)模塊狀態(tài)變量可以是可被該神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元子集訪問的。例如，在一些方面，僅有可訪問該神經(jīng)模塊(例如，軸突、神經(jīng)元或超神經(jīng)元)的神經(jīng)元子集才可訪問神經(jīng)模塊狀態(tài)變量。可訪問神經(jīng)模塊的神經(jīng)元子集可以使用指定突觸或突觸類型(例如，為特定神經(jīng)調(diào)制劑類型指定的突觸)來這么做。以此方式，狀態(tài)變量可被重置或受制于例如其他管理。神經(jīng)模塊可包括可配置參數(shù)。例如，神經(jīng)模塊可包括輸入累積器參數(shù)，該參數(shù)可被配置成累積輸入以遞增(例如，當(dāng)提供了正獎勵輸入時)或遞減(例如，當(dāng)提供了負(fù)獎勵輸入時)神經(jīng)模塊狀態(tài)變量。此外，在一些方面，閾值(例如，高閾值和/或低閾值)也可被指定并被配置成影響神經(jīng)模塊的狀態(tài)值(諸如神經(jīng)調(diào)制劑信號)何時可影響例如權(quán)重改變。在一些方面，該信號可以是可被應(yīng)用于該神經(jīng)網(wǎng)絡(luò)中的突觸的全局信號或半全局信號。其他過濾器參數(shù)也可被指定并配置，包括增益或衰退速率、內(nèi)部過濾器速率(例如，連續(xù)變化的內(nèi)部值)以及輸出值(例如，獎勵信號)等。此外，神經(jīng)模塊可包括調(diào)控或控制神經(jīng)模塊輸出的參數(shù)。即，輸出參數(shù)可指定狀態(tài)值何時和/或如何可被輸出并從而影響突觸的狀態(tài)變量何時可被更新。例如，在一些方面，可針對連續(xù)模式設(shè)置該輸出參數(shù)，在連續(xù)模式中獎勵輸入尖峰可生成具有由輸入尖峰觸發(fā)的衰退的連續(xù)變化的神經(jīng)調(diào)制劑(例如多巴胺)值。在一些方面，該連續(xù)模式可以使用閾值來限界。例如，在雙軌模式中，連續(xù)神經(jīng)調(diào)制劑(例如多巴胺)值可由低和高截止閾值來限界。在一些方面，可針對一尖峰模式設(shè)置該輸出參數(shù)。在該尖峰模式中，神經(jīng)調(diào)制劑(例如多巴胺)值可以作為例如沖激被輸出。神經(jīng)狀態(tài)變量(例如，神經(jīng)調(diào)制劑)可以在存在獎勵輸入尖峰時被更新。即，獎勵輸入尖峰可觸發(fā)神經(jīng)調(diào)制劑尖峰。另一方面，可針對雙軌模式設(shè)置該輸出參數(shù)。在雙軌模式中，內(nèi)部閾值(例如，高閾值和低閾值)可被配置成使得可在神經(jīng)調(diào)制劑信號(例如多巴胺)跨越所述閾值之一時輸出所定義的值。例如，在累積的獎勵信號高于閾值時，可以有多巴胺可供用于調(diào)制突觸的可塑性。當(dāng)累積的獎勵信號落在該閾值以下時，多巴胺可以不再可用。如此，與其中多巴胺尖峰作為輸出被提供的尖峰模式相對比，雙軌模式提供模擬多巴胺輸出。在一些方面，神經(jīng)模塊的輸出值可被偏置。即，該輸出狀態(tài)值可被配置成使得要使用的突觸的實際值輸出可被偏置或以其它方式被調(diào)制。突觸更新進(jìn)而可基于神經(jīng)模塊狀態(tài)變量(例如，累積的權(quán)重改變(獎勵-資格跡累積))來更新突觸的狀態(tài)變量。在一些方面，可基于某些預(yù)定事件的發(fā)生來更新突觸的狀態(tài)變量。例如，可在尖峰事件和/或尖峰重放事件發(fā)生之際、根據(jù)指定定時或其他預(yù)定事件來更新突觸狀態(tài)變量。類似地，可基于尖峰事件來更新權(quán)重改變。以此方式，突觸的狀態(tài)變量可被更新，而不存在與在每個時間步階處更新這些狀態(tài)變量有關(guān)的負(fù)擔(dān)和低效。這對于例如具有大突觸扇入/扇出的網(wǎng)絡(luò)而言可能是有利的。在一些方面，變量(多巴胺_en)可被指定以進(jìn)一步控制突觸是否受制于經(jīng)神經(jīng)調(diào)制劑(例如多巴胺)調(diào)制的可塑性。多巴胺_en變量可因每個突觸而異并且可與突觸類型定義相關(guān)聯(lián)。例如，多巴胺_en變量可包括二進(jìn)制標(biāo)志，該二進(jìn)制標(biāo)志可針對特定突觸或突觸群來啟用或禁用神經(jīng)調(diào)制劑。此外，一變量(sd)可被應(yīng)用于選通或以其他方式影響可能的權(quán)重改變的幅值。即，狀態(tài)變量更新(例如，權(quán)重)可基于sd值來確定。例如，在一些方面，當(dāng)神經(jīng)調(diào)制劑可塑性被啟用(例如，多巴胺_en＝已啟用)時，突觸權(quán)重更新可被表達(dá)為：Δws(t)＝sd*Δwn(t)(18)其中Δwn是來自神經(jīng)模塊的累積的權(quán)重更新。換言之，在該示例中，當(dāng)神經(jīng)調(diào)制劑可塑性被啟用時，突觸權(quán)重更新可以基于sd的值和累積的權(quán)重更新。在另一示例中，當(dāng)神經(jīng)調(diào)制劑可塑性被禁用時，突觸權(quán)重更新可僅基于sd的值。變量sd可使用STDP來更新并被用于確保存在前尖峰和后尖峰兩者。即，變量sd的幅值可基于前尖峰和后尖峰的時間鄰近度來確定。以此方式，sd變量可將后尖峰納入考慮。進(jìn)一步，sd變量可選通和/或縮放突觸權(quán)重改變。例如，如果前尖峰/后尖峰太遠(yuǎn)，則sd變量可以是0以指示一突觸未被啟用以進(jìn)行權(quán)重更新。在一些方面，可基于前神經(jīng)元(pre-neuron)事件(例如，尖峰或尖峰重放)來更新突觸變量以區(qū)分來自同一前神經(jīng)元的不同突觸。相應(yīng)地，對該神經(jīng)網(wǎng)絡(luò)中的諸突觸的狀態(tài)更新可在與該神經(jīng)模塊的狀態(tài)更新不同的時間基礎(chǔ)上進(jìn)行，由此提高效率。對于具有大突觸扇入和/或大突觸扇出的大型網(wǎng)絡(luò)，這可能是尤其有益的。在一些方面，神經(jīng)模塊的狀態(tài)變量和突觸的狀態(tài)變量可被存儲在不同的存儲器中以進(jìn)一步提高神經(jīng)網(wǎng)絡(luò)性能。例如，在一些方面，該神經(jīng)模塊中可被更頻繁地更新的狀態(tài)變量可被存儲在具有比突觸的狀態(tài)變量更快的訪問速度的存儲器中。類似地，該神經(jīng)模塊的狀態(tài)變量和突觸的狀態(tài)變量可被存儲在不同位置。突觸狀態(tài)變量存儲器的數(shù)量還可大大超出軸突狀態(tài)變量存儲器的數(shù)量。例如，在一些方面，突觸狀態(tài)變量存儲器的數(shù)量可以200比1的比率顯著超出軸突狀態(tài)變量存儲器的數(shù)量。當(dāng)然，這僅是示例性的并且不是限定性的。根據(jù)本公開的某些方面，前述在神經(jīng)網(wǎng)絡(luò)的突觸中維持狀態(tài)變量的示例實現(xiàn)500使用通用處理器502。與計算網(wǎng)絡(luò)(神經(jīng)網(wǎng)絡(luò))相關(guān)聯(lián)的變量(神經(jīng)信號)、突觸權(quán)重、系統(tǒng)參數(shù)，延遲，頻率槽信息，資格跡信息，獎勵信息，和/或神經(jīng)調(diào)制劑(例如，多巴胺)信息可被存儲在存儲器塊504中，而在通用處理器502處執(zhí)行的指令可從程序存儲器506中加載。在本公開的一方面，加載到通用處理器502中的指令可包括用于基于第一預(yù)定事件的發(fā)生在軸突中維持狀態(tài)變量和/或基于該至少一個軸突狀態(tài)變量和第二預(yù)定事件的發(fā)生來更新該狀態(tài)變量的代碼。圖6解說了根據(jù)本公開的一些方面的前述在神經(jīng)網(wǎng)絡(luò)的突觸中維持狀態(tài)變量的示例實現(xiàn)600，其中存儲器602可經(jīng)由互連網(wǎng)絡(luò)604與計算網(wǎng)絡(luò)(神經(jīng)網(wǎng)絡(luò))的個體(分布式)處理單元(神經(jīng)處理器)606對接。與計算網(wǎng)絡(luò)(神經(jīng)網(wǎng)絡(luò))相關(guān)聯(lián)的變量(神經(jīng)信號)、突觸權(quán)重、系統(tǒng)參數(shù)，延遲，頻率槽信息，資格跡信息、獎勵信息和/或神經(jīng)調(diào)制劑(例如多巴胺)信息可被存儲在存儲器602中，并且可從存儲器602經(jīng)由互連網(wǎng)絡(luò)604的(諸)連接被加載到每個處理單元(神經(jīng)處理器)606中。在本公開的一方面，處理單元606可被配置成基于第一預(yù)定事件的發(fā)生在軸突中維持狀態(tài)變量和/或基于該至少一個軸突狀態(tài)變量和第二預(yù)定事件的發(fā)生來更新該狀態(tài)變量。圖7解說了前述在神經(jīng)網(wǎng)絡(luò)的突觸中維持狀態(tài)變量的示例實現(xiàn)700。如圖7中所解說的，一個存儲器組702可與計算網(wǎng)絡(luò)(神經(jīng)網(wǎng)絡(luò))的一個處理單元704直接對接。每一個存儲器組702可存儲與對應(yīng)的處理單元(神經(jīng)處理器)704相關(guān)聯(lián)的變量(神經(jīng)信號)、突觸權(quán)重、和/或系統(tǒng)參數(shù)，延遲、頻率槽信息、資格跡信息、獎勵信息、和/或神經(jīng)調(diào)制劑(例如多巴胺)信息。在本公開的一方面，處理單元704可被配置成基于第一預(yù)定事件的發(fā)生在軸突中維持狀態(tài)變量和/或基于該至少一個軸突狀態(tài)變量和第二預(yù)定事件的發(fā)生來更新該狀態(tài)變量。圖8解說根據(jù)本公開的某些方面的神經(jīng)網(wǎng)絡(luò)800的示例實現(xiàn)。如圖8中所解說的，神經(jīng)網(wǎng)絡(luò)800可具有多個局部處理單元802，它們可執(zhí)行本公開所描述的方法的各種操作。每個局部處理單元802可包括存儲該神經(jīng)網(wǎng)絡(luò)的參數(shù)的局部狀態(tài)存儲器804和局部參數(shù)存儲器806。另外，局部處理單元802可具有用于存儲局部模型程序的局部(神經(jīng)元)模型程序(LMP)存儲器808、用于存儲局部學(xué)習(xí)程序的局部學(xué)習(xí)程序(LLP)存儲器810、以及局部連接存儲器812。此外，如圖8中所解說的，每個局部處理單元802可與用于提供對局部處理單元的局部存儲器的配置的配置處理單元814對接，并且與提供各局部處理單元802之間的路由的路由連接處理元件816對接。在一個配置中，神經(jīng)元模型被配置用于基于第一預(yù)定事件的發(fā)生在軸突中維持狀態(tài)變量和/或基于該至少一個軸突狀態(tài)變量和第二預(yù)定事件的發(fā)生來更新該狀態(tài)變量。該神經(jīng)元模型包括維持裝置和更新裝置。在一個方面，該維持裝置和/或更新裝置可以是被配置成執(zhí)行所敘述的功能的通用處理器502、程序存儲器506、存儲器塊504、存儲器602、互連網(wǎng)絡(luò)604、處理單元606、處理單元704、局部處理單元802、和/或路由連接處理單元816。在另一配置中，前述裝置可以是被配置成執(zhí)行由前述裝置所敘述的功能的任何模塊或任何設(shè)備。根據(jù)本公開的一些方面，每一個局部處理單元802可被配置成基于神經(jīng)網(wǎng)絡(luò)的一個或多個期望功能性特征來確定神經(jīng)網(wǎng)絡(luò)的參數(shù)，以及隨著所確定的參數(shù)被進(jìn)一步適配、調(diào)諧和更新來使這一個或多個功能性特征朝著期望的功能性特征發(fā)展。圖9解說根據(jù)本公開的各方面用于在處于尖峰模式中的尖峰神經(jīng)網(wǎng)絡(luò)中調(diào)制可塑性的時序圖900。在圖9中，示出了神經(jīng)模塊910中的狀態(tài)變量以及突觸的狀態(tài)變量。在前尖峰事件902發(fā)生之際，觸發(fā)資格跡904。資格跡904(其是神經(jīng)模塊910中的狀態(tài)變量)在每個時間步階處被乘以神經(jīng)調(diào)制劑(多巴胺(Da_F0))906以累積神經(jīng)模塊910中的權(quán)重改變908。突觸920的狀態(tài)變量sd被示為sd918和new_sd(新_sd)922。這是因為在經(jīng)由圖9解說的示例性方面中，可經(jīng)由移位緩沖器來更新狀態(tài)變量sd。如同上面指示的，sd狀態(tài)變量可區(qū)分例如來自同一前神經(jīng)元的不同突觸。sd變量可確保前尖峰和后尖峰兩者均存在。sd的幅值可指示前尖峰和后尖峰在時間上有多靠近。如圖9中所示，在發(fā)生重放事件914a之際，可基于前尖峰902a和后尖峰912a來確定狀態(tài)變量sd的新值(922)。在重放事件914的時間處，可計算突觸權(quán)重更新916。然而，因為由狀態(tài)變量sd更新的突觸權(quán)重導(dǎo)致值0(918)，所以該突觸無資格接受權(quán)重更新(916a)。新sd值(922)可被用來在下一重放事件914b發(fā)生之際更新狀態(tài)變量sd的值(參見(918b)。在神經(jīng)模塊910中，在發(fā)生重放事件914a之際，累積的權(quán)重改變908a可被重置為0(908b)。資格跡被觸發(fā)(904a)并開始衰退。因為該神經(jīng)模塊是在尖峰模式中被操作的，所以當(dāng)提供獎勵輸入924時，觸發(fā)了多巴胺尖峰926。神經(jīng)調(diào)制劑信號(Da_F0)(906)可被累積且然后開始衰退。神經(jīng)調(diào)制劑信號可在每個時間步階被乘以資格跡以累積權(quán)重改變(908c)。在發(fā)生下一重放事件(914b)之際，該突觸的sd狀態(tài)變量為非零(918b)。相應(yīng)地，可基于來自神經(jīng)模塊910的累積的權(quán)重改變(908c)和sd變量(918b)來做出突觸權(quán)重更新(916b)。圖10解說根據(jù)本公開的各方面用于在處于雙軌模式中的尖峰神經(jīng)網(wǎng)絡(luò)中調(diào)制可塑性的時序圖1000。如圖10中所示，處于雙軌模式中的神經(jīng)網(wǎng)絡(luò)的操作類似于處于尖峰模式中的神經(jīng)網(wǎng)絡(luò)的操作。然而，與圖9中示出的尖峰操作相對比，在接收到獎勵輸入1024之際，有多巴胺可用1026且神經(jīng)調(diào)制劑(獎勵)信號可被累積1006。多巴胺1026僅在正值神經(jīng)調(diào)制劑信號保持高于閾值1028時可用。這進(jìn)而影響累積的權(quán)重改變1008。圖11解說了用于在尖峰神經(jīng)網(wǎng)絡(luò)中的突觸中維持狀態(tài)變量的方法1100。在框1102中，該神經(jīng)元模型基于第一預(yù)定事件的發(fā)生在軸突中維持狀態(tài)變量。而且，在框1104中，該神經(jīng)元模型基于該軸突狀態(tài)變量和第二預(yù)定事件的發(fā)生來更新該突觸中的狀態(tài)變量。以上所描述的方法的各種操作可由能夠執(zhí)行相應(yīng)功能的任何合適的裝置來執(zhí)行。這些裝置可包括各種硬件和/或軟件組件和/或模塊，包括但不限于電路、專用集成電路(ASIC)、或處理器。一般而言，在附圖中有解說的操作的場合，那些操作可具有帶相似編號的相應(yīng)配對裝置加功能組件。如本文所使用的，術(shù)語“確定”涵蓋各種各樣的動作。例如，“確定”可包括演算、計算、處理、推導(dǎo)、研究、查找(例如，在表、數(shù)據(jù)庫或其他數(shù)據(jù)結(jié)構(gòu)中查找)、探知及諸如此類。另外，“確定”可包括接收(例如接收信息)、訪問(例如訪問存儲器中的數(shù)據(jù))、及類似動作。而且，“確定”可包括解析、選擇、選取、確立及類似動作。如本文中所使用的，引述一列項目中的“至少一個”的短語是指這些項目的任何組合，包括單個成員。作為示例，“a、b或c中的至少一個”旨在涵蓋：a、b、c、a-b、a-c、b-c和a-b-c。結(jié)合本公開所描述的各種解說性邏輯框、模塊、以及電路可用設(shè)計成執(zhí)行本文所描述功能的通用處理器、數(shù)字信號處理器(DSP)、專用集成電路(ASIC)、現(xiàn)場可編程門陣列信號(FPGA)或其他可編程邏輯器件(PLD)、分立的門或晶體管邏輯、分立的硬件組件或其任何組合來實現(xiàn)或執(zhí)行。通用處理器可以是微處理器，但在替換方案中，該處理器可以是任何市售的處理器、控制器、微控制器、或狀態(tài)機(jī)。處理器還可以被實現(xiàn)為計算設(shè)備的組合，例如DSP與微處理器的組合、多個微處理器、與DSP核心協(xié)同的一個或多個微處理器、或任何其它此類配置。結(jié)合本公開所描述的方法或算法的步驟可直接在硬件中、在由處理器執(zhí)行的軟件模塊中、或在這兩者的組合中體現(xiàn)。軟件模塊可駐留在本領(lǐng)域所知的任何形式的存儲介質(zhì)中。可使用的存儲介質(zhì)的一些示例包括隨機(jī)存取存儲器(RAM)、只讀存儲器(ROM)、閃存、可擦除可編程只讀存儲器(EPROM)、電可擦除可編程只讀存儲器(EEPROM)、寄存器、硬盤、可移動盤、CD-ROM，等等。軟件模塊可包括單條指令、或許多條指令，且可分布在若干不同的代碼段上，分布在不同的程序間以及跨多個存儲介質(zhì)分布。存儲介質(zhì)可被耦合到處理器以使得該處理器能從/向該存儲介質(zhì)讀寫信息。替換地，存儲介質(zhì)可以被整合到處理器。本文所公開的方法包括用于實現(xiàn)所描述的方法的一個或多個步驟或動作。這些方法步驟和/或動作可以彼此互換而不會脫離權(quán)利要求的范圍。換言之，除非指定了步驟或動作的特定次序，否則具體步驟和/或動作的次序和/或使用可以改動而不會脫離權(quán)利要求的范圍。所描述的功能可在硬件、軟件、固件或其任何組合中實現(xiàn)。如果以硬件實現(xiàn)，則示例硬件配置可包括設(shè)備中的處理系統(tǒng)。處理系統(tǒng)可以用總線架構(gòu)來實現(xiàn)。取決于處理系統(tǒng)的具體應(yīng)用和整體設(shè)計約束，總線可包括任何數(shù)目的互連總線和橋接器?？偩€可將包括處理器、機(jī)器可讀介質(zhì)、以及總線接口的各種電路鏈接在一起?？偩€接口可尤其將網(wǎng)絡(luò)適配器等經(jīng)由總線連接至處理系統(tǒng)。網(wǎng)絡(luò)適配器可實現(xiàn)信號處理功能。對于一些方面，用戶接口(例如，按鍵板、顯示器、鼠標(biāo)、操縱桿，等等)也可以被連接到總線。總線還可以鏈接各種其他電路，諸如定時源、外圍設(shè)備、穩(wěn)壓器、功率管理電路以及類似電路，它們在本領(lǐng)域中是眾所周知的，因此將不再進(jìn)一步描述。處理器可負(fù)責(zé)管理總線和一般處理，包括執(zhí)行存儲在機(jī)器可讀介質(zhì)上的軟件。處理器可用一個或多個通用和/或?qū)Ｓ锰幚砥鱽韺崿F(xiàn)。示例包括微處理器、微控制器、DSP處理器、以及其他能執(zhí)行軟件的電路系統(tǒng)。軟件應(yīng)當(dāng)被寬泛地解釋成意指指令、數(shù)據(jù)、或其任何組合，無論是被稱作軟件、固件、中間件、微代碼、硬件描述語言、或其他。作為示例，機(jī)器可讀介質(zhì)可包括隨機(jī)存取存儲器(RAM)、閃存、只讀存儲器(ROM)、可編程只讀存儲器(PROM)、可擦式可編程只讀存儲器(EPROM)、電可擦式可編程只讀存儲器(EEPROM)、寄存器、磁盤、光盤、硬驅(qū)動器、或者任何其他合適的存儲介質(zhì)、或其任何組合。機(jī)器可讀介質(zhì)可被實施在計算機(jī)程序產(chǎn)品中。該計算機(jī)程序產(chǎn)品可以包括包裝材料。在硬件實現(xiàn)中，機(jī)器可讀介質(zhì)可以是處理系統(tǒng)中與處理器分開的一部分。然而，如本領(lǐng)域技術(shù)人員將容易領(lǐng)會的，機(jī)器可讀介質(zhì)、或其任何部分可在處理系統(tǒng)外部。作為示例，機(jī)器可讀介質(zhì)可包括傳輸線、由數(shù)據(jù)調(diào)制的載波、和/或與設(shè)備分開的計算機(jī)產(chǎn)品，所有這些都可由處理器通過總線接口來訪問。替換地或補充地，機(jī)器可讀介質(zhì)、或其任何部分可被集成到處理器中，諸如高速緩存和/或通用寄存器文件可能就是這種情形。雖然所討論的各種組件可被描述為具有特定位置，諸如局部組件，但它們也可按各種方式來配置，諸如一些組件被配置成分布式計算系統(tǒng)的一部分。處理系統(tǒng)可以被配置為通用處理系統(tǒng)，該通用處理系統(tǒng)具有一個或多個提供處理器功能性的微處理器、和提供機(jī)器可讀介質(zhì)中的至少一部分的外部存儲器，它們都通過外部總線架構(gòu)與其他支持電路系統(tǒng)鏈接在一起。替換地，該處理系統(tǒng)可以包括一個或多個神經(jīng)元形態(tài)處理器以用于實現(xiàn)本文所述的神經(jīng)元模型和神經(jīng)系統(tǒng)模型。作為另一替代方案，處理系統(tǒng)可以用帶有集成在單塊芯片中的處理器、總線接口、用戶接口、支持電路系統(tǒng)、和至少一部分機(jī)器可讀介質(zhì)的專用集成電路(ASIC)來實現(xiàn)，或者用一個或多個現(xiàn)場可編程門陣列(FPGA)、可編程邏輯器件(PLD)、控制器、狀態(tài)機(jī)、門控邏輯、分立硬件組件、或者任何其他合適的電路系統(tǒng)、或者能執(zhí)行本公開通篇所描述的各種功能性的電路的任何組合來實現(xiàn)。取決于具體應(yīng)用和加諸于整體系統(tǒng)上的總設(shè)計約束，本領(lǐng)域技術(shù)人員將認(rèn)識到如何最佳地實現(xiàn)關(guān)于處理系統(tǒng)所描述的功能性。機(jī)器可讀介質(zhì)可包括數(shù)個軟件模塊。這些軟件模塊包括當(dāng)由處理器執(zhí)行時使處理系統(tǒng)執(zhí)行各種功能的指令。這些軟件模塊可包括傳輸模塊和接收模塊。每個軟件模塊可以駐留在單個存儲設(shè)備中或者跨多個存儲設(shè)備分布。作為示例，當(dāng)觸發(fā)事件發(fā)生時，可以從硬驅(qū)動器中將軟件模塊加載到RAM中。在軟件模塊執(zhí)行期間，處理器可以將一些指令加載到高速緩存中以提高訪問速度。隨后可將一個或多個高速緩存行加載到通用寄存器文件中以供由處理器執(zhí)行。在以下談及軟件模塊的功能性時，將理解此類功能性是在處理器執(zhí)行來自該軟件模塊的指令時由該處理器來實現(xiàn)的。如果以軟件實現(xiàn)，則各功能可作為一條或多條指令或代碼存儲在計算機(jī)可讀介質(zhì)上或藉其進(jìn)行傳送。計算機(jī)可讀介質(zhì)包括計算機(jī)存儲介質(zhì)和通信介質(zhì)兩者，這些介質(zhì)包括促成計算機(jī)程序從一地向另一地轉(zhuǎn)移的任何介質(zhì)。存儲介質(zhì)可以是能被計算機(jī)訪問的任何可用介質(zhì)。作為示例而非限定，這樣的計算機(jī)可讀介質(zhì)可包括RAM、ROM、EEPROM、CD-ROM或其它光盤存儲、磁盤存儲或其它磁存儲設(shè)備、或能攜帶或存儲指令或數(shù)據(jù)結(jié)構(gòu)形式的期望程序代碼且能被計算機(jī)訪問的任何其它介質(zhì)。另外，任何連接也被正當(dāng)?shù)胤Q為計算機(jī)可讀介質(zhì)。例如，如果軟件是使用同軸電纜、光纖電纜、雙絞線、數(shù)字訂戶線(DSL)、或無線技術(shù)(諸如紅外(IR)、無線電、以及微波)從web網(wǎng)站、服務(wù)器、或其他遠(yuǎn)程源傳送而來，則該同軸電纜、光纖電纜、雙絞線、DSL或無線技術(shù)(諸如紅外、無線電、以及微波)就被包括在介質(zhì)的定義之中。如本文中所使用的盤(disk)和碟(disc)包括壓縮碟(CD)、激光碟、光碟、數(shù)字多用碟(DVD)、軟盤、和碟，其中盤(disk)常常磁性地再現(xiàn)數(shù)據(jù)，而碟(disc)用激光來光學(xué)地再現(xiàn)數(shù)據(jù)。因此，在一些方面，計算機(jī)可讀介質(zhì)可包括非瞬態(tài)計算機(jī)可讀介質(zhì)(例如，有形介質(zhì))。另外，對于其他方面，計算機(jī)可讀介質(zhì)可包括瞬態(tài)計算機(jī)可讀介質(zhì)(例如，信號)。上述的組合應(yīng)當(dāng)也被包括在計算機(jī)可讀介質(zhì)的范圍內(nèi)。因此，一些方面可包括用于執(zhí)行本文中給出的操作的計算機(jī)程序產(chǎn)品。例如，此類計算機(jī)程序產(chǎn)品可包括其上存儲(和/或編碼)有指令的計算機(jī)可讀介質(zhì)，這些指令能由一個或多個處理器執(zhí)行以執(zhí)行本文中所描述的操作。對于一些方面，計算機(jī)程序產(chǎn)品可包括包裝材料。此外，應(yīng)當(dāng)領(lǐng)會，用于執(zhí)行本文中所描述的方法和技術(shù)的模塊和/或其它恰適裝置能由用戶終端和/或基站在適用的場合下載和/或以其他方式獲得。例如，此類設(shè)備能被耦合至服務(wù)器以促成用于執(zhí)行本文中所描述的方法的裝置的轉(zhuǎn)移。替換地，本文所述的各種方法能經(jīng)由存儲裝置(例如，RAM、ROM、諸如壓縮碟(CD)或軟盤等物理存儲介質(zhì)等)來提供，以使得一旦將該存儲裝置耦合至或提供給用戶終端和/或基站，該設(shè)備就能獲得各種方法。此外，可利用適于向設(shè)備提供本文中所描述的方法和技術(shù)的任何其他合適的技術(shù)。將理解，權(quán)利要求并不被限定于以上所解說的精確配置和組件。可在以上所描述的方法和設(shè)備的布局、操作和細(xì)節(jié)上作出各種改動、更換和變形而不會脫離權(quán)利要求的范圍。當(dāng)前第1頁1 2 3