基于CMOS模擬技術(shù)的多種前饋人工神經(jīng)網(wǎng)絡(luò)硬件的研究與實(shí)現(xiàn).pdf

1、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)是模擬生物神經(jīng)網(wǎng)絡(luò)的人工智能系統(tǒng)，具有分布并行處理、非線性映射、自適應(yīng)學(xué)習(xí)和容錯(cuò)等功能。人工神經(jīng)網(wǎng)絡(luò)主要有兩種實(shí)現(xiàn)方法：軟件實(shí)現(xiàn)和硬件實(shí)現(xiàn)。以軟件方法實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)存在并行程度低和處理速度慢等缺點(diǎn)，難于滿足實(shí)時(shí)性的要求，造成了理論研究與實(shí)際應(yīng)用脫節(jié)；而硬件方法實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)則克服了前者的缺點(diǎn)，能大規(guī)模并行處理信號(hào)，尤其對(duì)于復(fù)雜數(shù)據(jù)的處理更具有優(yōu)勢(shì)，能滿足實(shí)際應(yīng)用的

2、要求。
　　在集成電路設(shè)計(jì)中，模擬電路需要在功耗、速度、增益、精度、面積等多種因素間進(jìn)行折中，并且版圖對(duì)于模擬電路的影響遠(yuǎn)大于數(shù)字電路，這給模擬電路的設(shè)計(jì)帶來了新的挑戰(zhàn)?？紤]到電流模式模擬電路對(duì)輸入信號(hào)變化響應(yīng)快、線性度好、功耗低等優(yōu)點(diǎn)，本文的前饋人工神經(jīng)網(wǎng)絡(luò)采用電流模式模擬電路來實(shí)現(xiàn)。
　　本文旨在完成兩種前饋人工神經(jīng)網(wǎng)絡(luò)——感知器神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的電路實(shí)現(xiàn)與研究，并探討其應(yīng)用，所做工作如下：

3、　　(1)闡述了人工神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)的研究背景和意義，探討了當(dāng)前國際國內(nèi)的研究概況及發(fā)展趨勢(shì)。
　　(2)介紹了生物神經(jīng)元模型，探討了前饋人工網(wǎng)絡(luò)——感知器和RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和原理。
　　(3)基于TMSC0.35μm標(biāo)準(zhǔn)CMOS工藝，設(shè)計(jì)了一款可對(duì)線性不可分?jǐn)?shù)據(jù)集進(jìn)行分類的電流模式線性分類器，通過MATLAB軟件采用Fisher線性判別法計(jì)算得到權(quán)重系數(shù)，運(yùn)用PSPICE軟件對(duì)所設(shè)計(jì)的電路進(jìn)行了仿真分析。