基于FPGA的神經(jīng)網(wǎng)絡硬件實現(xiàn).pdf

1、神經(jīng)網(wǎng)絡是由多個非常簡單的處理單元彼此按某種方式相互連接而形成的計算系統(tǒng)，該系統(tǒng)是靠其狀態(tài)對外部輸入信息的動態(tài)響應來處理信息的。神經(jīng)網(wǎng)絡是一個非線性的動態(tài)系統(tǒng)，可在任意精度內(nèi)實現(xiàn)變量間的非線性關系的映像，具備解決非線性問題能力、網(wǎng)絡學習能力和系統(tǒng)擬合能力，因此，人工神經(jīng)網(wǎng)絡已在我國科研、生產(chǎn)和生活等方面產(chǎn)生了普遍而巨大的影響。 本文主要的工作是研究神經(jīng)網(wǎng)絡的硬件實現(xiàn)問題，神經(jīng)網(wǎng)絡的硬件實現(xiàn)是神經(jīng)網(wǎng)絡研究的基本問題之一，在構(gòu)造神經(jīng)

2、網(wǎng)絡的實際應用系統(tǒng)時，必然要研究和解決其硬件實現(xiàn)的問題。神經(jīng)網(wǎng)絡專用硬件可提供高速度，并具有比通用串、并行機高得多的性能價格比，所以，特定應用下的高性能專用神經(jīng)網(wǎng)絡硬件是神經(jīng)網(wǎng)絡研究的熱點。本文在比較了幾種神經(jīng)網(wǎng)絡的可行性基礎上，選用了BP神經(jīng)網(wǎng)絡作為硬件實現(xiàn)的神經(jīng)網(wǎng)絡模型。BP神經(jīng)網(wǎng)絡對輸入輸出非線性關系的高精度映射能力、較強的包容性、良好的推廣能力和泛化能力，使得它們在實際應用中表現(xiàn)出了強大的生命力，成為當今的研究熱點之一。作為BP

3、神經(jīng)網(wǎng)絡中的激勵函數(shù)之一的雙曲正切S型(tan-s) 函數(shù)適用于變化劇烈的場合，能夠加快網(wǎng)絡學習收斂速度?？删幊碳夹g的迅猛發(fā)展，在EDA技術中占有舉足輕重的地位。FPGA可以充分發(fā)揮神經(jīng)網(wǎng)絡并行執(zhí)行的優(yōu)點，二者的結(jié)合也成為當今的研究熱點之一。文中詳細敘述了用STAM算法在FPGA上對tan-s函數(shù)的高精度實現(xiàn)方式，并對仿真結(jié)果進行了討論?；贔PGA的可重構(gòu)技術，就是利用FPGA的可以多次重復配置的特點，通過時分復用的方式，充分利用器件

4、的邏輯資源，在同一FPGA中自主地交替實現(xiàn)多種邏輯結(jié)構(gòu)及其功能的技術?；谶@種技術的可重構(gòu)系統(tǒng)既可像通用微處理器系統(tǒng)那樣設計靈活、易升級，又可像專用集成電路系統(tǒng)那樣速度快、效率高。 本文采用基于FPGA的可重構(gòu)技術，以BP(BackPropagation)型誤差反傳多層前饋神經(jīng)網(wǎng)絡作為典型的數(shù)學模型來展開。設計中依據(jù)成熟的BP算法公式，采用原理圖輸入的設計方法，按照前向-反傳-更新三個階段分別設計與仿真，通過驗證，邏輯功能正確。