基于FPGA的人工神經(jīng)網(wǎng)絡(luò)的研究與實現(xiàn).pdf

1、人工神經(jīng)網(wǎng)絡(luò)ANNs（Artificial Neural Network）是一個模仿人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和關(guān)系、由物理可實現(xiàn)的大量相互連接的處理單元組成的系統(tǒng)。如今，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)在多個領(lǐng)域得到廣泛應(yīng)用，比如信號處理、醫(yī)療衛(wèi)生、控制系統(tǒng)、模式識別等。我們常見的實現(xiàn)神經(jīng)網(wǎng)絡(luò)的方法都是基于軟件的。由于軟件運算速度慢，所以要提出一種能夠滿足實時運算要求的新的神經(jīng)網(wǎng)絡(luò)實現(xiàn)方法。本文實現(xiàn)了一種基于FPGA的神經(jīng)網(wǎng)絡(luò)，它的特點是并行運算，運算速度快。

2、該基于硬件實現(xiàn)的神經(jīng)網(wǎng)絡(luò)體現(xiàn)出神經(jīng)網(wǎng)絡(luò)固有的并行處理特性，處理速度得到大大提升。
　　本文首先介紹了如今人工神經(jīng)網(wǎng)絡(luò)研究的背景和國內(nèi)外研究現(xiàn)狀，以及人工神經(jīng)網(wǎng)絡(luò)硬件實現(xiàn)的方法和意義。然后，對典型的BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行研究，包括具體的算法實現(xiàn)步驟。BP算法的實質(zhì)是采用梯度下降法來不斷修改神經(jīng)元之間的聯(lián)接權(quán)值，以此達(dá)到求解最優(yōu)解的目的。由于本設(shè)計主要以26個英文大寫字母的實時識別為應(yīng)用背景，所以在介紹硬件實現(xiàn)神經(jīng)網(wǎng)絡(luò)需要考慮的問題中，

3、對字母圖像的數(shù)字化過程也予以了考慮。隨后對硬件實現(xiàn)整個BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模塊劃分，并對各個模塊進(jìn)行硬件設(shè)計。其中，激勵函數(shù)的硬件實現(xiàn)是基于FPGA的神經(jīng)網(wǎng)絡(luò)硬件設(shè)計的重點。選用得到廣泛運用的Sigmoid函數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，并用查找表和分段線性函數(shù)逼近相結(jié)合的方法在FPGA上實現(xiàn)了Sigmoid函數(shù)。除此之外，在設(shè)計整個神經(jīng)網(wǎng)絡(luò)的體系結(jié)構(gòu)中采用了一種脈動陣列結(jié)構(gòu)。該結(jié)構(gòu)體現(xiàn)出神經(jīng)網(wǎng)絡(luò)的并行特性，它的硬件實現(xiàn)能夠使得整個網(wǎng)絡(luò)的運