脫機工作可訓練的模式識別專用神經(jīng)網(wǎng)絡的軟硬件設計.pdf

1、傳統(tǒng)的馮諾依曼計算機雖然具有快速、高效的邏輯運算等功能，但其形象思維能力差、無自我學習能力等缺點對于形象思維領域的模式識別等問題卻是無能為力。人工神經(jīng)網(wǎng)絡是由大量簡單處理單元構成的非線性動力學系統(tǒng)，具有分布式的信息存貯、大規(guī)模并行處理、自學習和自組織等特點，可以解決傳統(tǒng)計算機難以解決或無法解決的人工智能方面問題。本文結合兩者特點，提出并實現(xiàn)了一種脫機工作可訓練的模式識別專用神經(jīng)網(wǎng)絡系統(tǒng)。 本文基于高維空間點覆蓋理論，分析了樣本點

2、在高維空間中的分布特性，并從幾何的角度詳細闡述了高維空間中點與點、點與線和點和面之間的關系及其相應算法。同時介紹了半導體神經(jīng)計算機的理論基礎，以及能實現(xiàn)半導體神經(jīng)計算機內部雙權值神經(jīng)元的單節(jié)拍浮點組合邏輯運算的設計方法。 結合符號主義和連接主義兩者的特點，脫機工作可訓練的模式識別專用神經(jīng)網(wǎng)絡系統(tǒng)可以在無上位機的情況下，通過一次采樣，便可獨立完成包括模式采集、特征提取、樣本學習以及識別等一整套與實物識別相關的工作。文中對該系統(tǒng)具體