В.А. Сколота – аспирант, кафедра электроники и электротехники,  Новосибирский государственный технический университет 

E-mail:sva008@yandex.ru

И.А. Белова – аспирант, кафедра электроники и электротехники, Новосибирский государственный технический университет 

E-mail:ira.belowa@gmail.com

М.В. Мартинович – к.т.н., доцент, кафедра электроники и электротехники,  Новосибирский государственный технический университет 

E-mail:martinovich_m@mail.ru

Предложена аналоговая аппаратная реализация искусственного нейрона, нелинейность преобразований которого поддерживается не на схемотехническом уровне, а за счет нелинейности физических процессов, протекающих в КМОП-транзисторах, что снижает аппаратные затраты до одного транзистора на синапс и трех транзисторов на тело нейрона, повышая его чувствительность и снижая точность работы. Модельным экспериментом показан эффект повышения устойчивости нейросетевой реализации одной и той же функции по отношению однонейронной.

1. Widrow B., Rumelhart D.E., and Lehr M.A. Neural networks: applications in industry, business and science. Communications ofthe ACM. 1994. V. 37. № 3. P. 93–105.
2. Muthuramalingam A., Himavathi S., and Srinivasan E. Neuralnetwork implementation using FPGA: issues and application // TheInternational Journal of Information Technology. 2008. V. 4. № 2. P. 86–92.
3. Blumer A.A., Ehrenfeucht D.H., Warmuth M.K. Learnability and the Vapnik-Chervonenkis dimension // J. Association for Computing Machinery. 1989. V. 36. P. 929–965.
4. Moerland P., Fiesler E. Neural network adaptations to hardware implementations // Handbook of Neural Computation. 1997. V. 1. P. 2.
5. Aparin V., Levin J.A. Methods and systems for CMOS implementation of neuron synapse // Apr. 8 2014, US Patent 8,694,452.