●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繫統4
參考文獻5
第一部分理解神經形態繫統
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章硅視網膜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硅視網膜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Parvo-Magno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硅視網膜像素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硅視網膜新規範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
參考文獻61
第4章硅耳蝸66
4.1簡介66
4.2耳蝸結構70
4.2.1級聯一維70
4.2.2基本的一維硅耳蝸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
4.2.6二維硅耳蝸模型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確定功能性素86
5.1.2有節奏的運動模式86
5.2運動控制中的神經回路建模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章神經形態繫統的學習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繫統
第7章145
7.1簡介145
7.2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實現155
7.3.1亞閾生物物理現實模型155
7.3.2事件驅動繫統的緊湊型I＆F電路158
7.3.3通用I＆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章硅突觸176
8.1簡介177
8.2硅突觸實現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章硅耳蝸構造模塊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跨線性回路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可編程模擬器件的準確編程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數字復雜度下模擬編程：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個體偏差的緩衝和旁路解耦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典型特征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通信周期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脈衝擴展電路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小型繫統的硬件基礎架構板296
13.2.1硅皮層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中等規模多芯片繫統309
13.3.1OR+IFAT繫統309
13.3.2多芯片定向繫統311
13.3.3CAVIAR繫統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芯片和繫統描述軟件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
14.4.6AE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芯片的繫統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采樣352
15.4.3作為低級功能檢測器的事件標記器352
15.4.4視覺跟蹤器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繫統362
16.1簡介362
16.2大型繫統實例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繫統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

本書繫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制造多芯片可擴展繫統面臨的技術問題。本書主要內容分為兩部分。第一部分（第2~6章）描述了所構建的AER通信體繫結構、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繫統學習的大部分理論知識。第二部分（第7~16章）面向神經形態電子繫統構建方向的讀者，提供了用於構建傳感器和建模神經繫統構建基塊的各種方法信息，包括、硅突觸、硅耳蝸電路、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。本書以第17章結尾，梳理了當前計算機與神經繫統在實現計算處理方式上的差異，討論了認知神經形態繫統發展的長期途徑。