目录
1.算法运行效果图预览
(完整程序运行后无水印)
2.算法运行软件版本
vivado2019.2
3.部分核心程序
（完整版代码包含详细中文注释和操作步骤视频）
............................................................
//Vtn * exp(-dt/tao)
reg signed[15:0]d1_Vtn;
always @(posedge i_clk or posedge i_rst)
begin
if(i_rst)
begin
d1_Vtn <= 16'd0;
end
else begin
d1_Vtn <= i_Vtn;
end
end
wire signed[31 : 0] P;
mult_gen_0 Vexp (
//.CLK(i_clk), // input wire CLK
.A(d1_Vtn), // input wire [15 : 0] A
.B(o_exp), // input wire [15 : 0] B
//.SCLR(i_rst), // input wire SCLR
.P(P) // output wire [31 : 0] P
);
assign o_dat1=P[27:12];
//sum sitn*Wij
reg signed[31:0]sw1j;
reg signed[31:0]sw2j;
reg signed[31:0]sw3j;
always @(posedge i_clk or posedge i_rst)
begin
if(i_rst)
begin
sw1j <= 32'd0;
sw2j <= 32'd0;
sw3j <= 32'd0;
end
else begin
sw1j <= $signed(i_stn1)*$signed(i_W1j);
sw2j <= $signed(i_stn2)*$signed(i_W2j);
sw3j <= $signed(i_stn3)*$signed(i_W3j);
end
end
reg signed[15:0]d1_dat;
always @(posedge i_clk or posedge i_rst)
begin
if(i_rst)
begin
d1_dat <= 16'd0;
end
else begin
d1_dat <= sw1j+sw2j+sw3j;
end
end
assign o_dat2= d1_dat;
assign o_Vtn1= o_dat1 + o_dat2;
endmodule
05_107m
4.算法理论概述
LIF（Leaky Integrate - and - Fire）神经元是一种常见的脉冲神经元模型。它模拟了生物神经元的基本特性，主要包括对输入信号的积分和脉冲发放机制。从概念上理解，LIF 神经元就像一个带有漏电特性的容器，输入信号不断往这个容器中 "注水"（积分），当水位（膜电位）达到一定高度（阈值）时，就会产生一个脉冲，然后水位（膜电位）又会被重置。
膜电位动态方程
离散时间形式的膜电位更新公式
脉冲发放条件和复位机制
输入 - 输出关系示例
与简单的线性神经元模型相比，LIF 神经元具有脉冲发放的非线性特性。线性神经元模型的输出通常是输入的线性组合，而 LIF 神经元的输出是脉冲序列，其发放与否取决于膜电位是否达到阈值。与更复杂的生物神经元模型（如 Hodgkin - Huxley 模型）相比，LIF 神经元是一种简化模型。Hodgkin - Huxley 模型考虑了多种离子通道的动态变化，而 LIF 神经元只关注膜电位的积分和脉冲发放，在计算复杂度上较低，更适合于大规模神经网络的模拟和应用。
5.算法完整程序工程
OOOOO
OOO
O