一种基于浮点数近似的FHN神经元

本发明涉及神经网络硬件实现领域，具体为一种基于浮点数近似的FHN神经元。本发明通过浮点逼近方法，将平方和立方计算的定点数据先转换为浮点数，指数部分采用加法计算，尾数部分乘法计算采用分段线性拟合近似，有效地实现了与原模型一致的动态特性；在数字实现中用加法器和移位器替代乘法器，显著降低了资源开销，实现了低成本高精度的FHN神经元模拟。本发明相比现有技术在性能开销比和误差控制上有显著提升，在模拟FHN神经元和计算FHN神经网络拓扑时兼顾了低成本和高精度，实现的FPA‑FHN神经元在生物特性上优于LIF神经元，部署规模减少有限的情况下能展现更多复杂的神经动力学行为，为大规模神经网络部署提供了更优选择。