基于神經網絡的FPGA架構探索.pdf

1、隨著現場可編程門陣列（FPGA）的廣泛應用，越來越多的研究人員開始探索新型的FPGA架構，例如包含了特定功能塊（數字信號處理器或者存儲器模塊）的FPGA架構。在新型FPGA架構發(fā)展過程中，核心的難點在于如何在FPGA架構開發(fā)的早期階段快速評估不同的邏輯塊結構和布線架構。傳統(tǒng)的基于實驗的方法通常需要大量的時間，需要相應的EDA工具支持，不便于使用。本文提出了一種新的基于神經網絡的方法，為FPGA架構的布線通道寬度和平均線長建立模型，實現F

2、PGA架構的快速、高精度評估，為設計優(yōu)化的FPGA架構提供了有效手段。
　　本論文提出了兩種建模方法：傳統(tǒng)的神經網絡（neural network(NN)）和基于知識的神經網絡（knowledge-based neural network(KBNN)），通過這兩種建模方法來進行FPGA的架構設計。首先，本文利用傳統(tǒng)的神經網絡對同構FPGA的布線通道寬度進行精確建模，所建模型用于早期的FPGA架構發(fā)展，促進設計空間的快速探索。然后，

3、本文又提出了利用基于知識的神經網絡建模方法，來進行同構FPGA邏輯架構設計?；谥R的神經網絡是將已知的分析模型嵌入到傳統(tǒng)的神經網絡中。神經網絡能夠幫助彌補分析模型在精度上的不足，根據需要提升模型的精度，同時保留了由分析模型提供的有指導意義的物理趨勢。訓練得到的基于知識的神經網絡模型，能夠預計基準電路映射在多個備選FPGA架構上以后的布線通道寬度。最后，本文將基于知識的神經網絡用于異構FPGA的架構設計。本文的設計目標是為一系列基準電路