版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人工神經(jīng)網(wǎng)絡(luò)(ANN)是一種力圖建立人腦神經(jīng)活動(dòng)的數(shù)學(xué)模型,進(jìn)而模仿人腦結(jié)構(gòu)及其功能的信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)能夠大規(guī)模并行處理信息,具有自組織、自適應(yīng)、自學(xué)習(xí)能力和容錯(cuò)性的優(yōu)點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)方法主要有軟件實(shí)現(xiàn)和硬件實(shí)現(xiàn)。傳統(tǒng)的軟件實(shí)現(xiàn)方法無(wú)法實(shí)現(xiàn)并行計(jì)算,處理速度有限,難于滿(mǎn)足實(shí)時(shí)性的要求,使得應(yīng)用研究跟不上理論研究。而采用硬件方法實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)則克服了前者的缺點(diǎn),能夠充分體現(xiàn)人工神經(jīng)網(wǎng)絡(luò)并行處理信息的特點(diǎn)。模擬電路結(jié)構(gòu)簡(jiǎn)單、
2、功耗低、處理速度快、占片面積小,適合用來(lái)實(shí)現(xiàn)結(jié)構(gòu)復(fù)雜的神經(jīng)網(wǎng)絡(luò)。但是,相對(duì)于設(shè)計(jì)方法成熟、精度高而且擴(kuò)展性好的數(shù)字電路,模擬電路需要同時(shí)考慮功耗、速度、精度、增益、帶寬、擺幅、電源電壓等各個(gè)方面的影響并進(jìn)行折衷處理,這正是模擬VLSI(Very Large Scale Integration)技術(shù)始終沒(méi)有取得突破的原因。本文運(yùn)用TMSC0.35μm標(biāo)準(zhǔn)CMOS工藝設(shè)計(jì)了前饋人工神經(jīng)網(wǎng)絡(luò)的各單元模塊電路,進(jìn)而利用提出的單元模塊電路實(shí)現(xiàn)了前
3、饋人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的設(shè)計(jì),并探討了其應(yīng)用。
本研究主要內(nèi)容包括:⑴采用兩個(gè)平方電路分別為兩個(gè)基本差分式OTA提供偏置電流,實(shí)現(xiàn)了一種跨導(dǎo)寬范圍線(xiàn)性可調(diào)全差分OTA(LOTA)。提出的LOTA解決了電壓輸入范圍和跨導(dǎo)調(diào)節(jié)范圍不能同時(shí)增大的矛盾,實(shí)現(xiàn)了跨導(dǎo)增益從負(fù)到正的范圍內(nèi)連續(xù)線(xiàn)性調(diào)節(jié),因而滿(mǎn)足神經(jīng)網(wǎng)絡(luò)突觸電路的要求。⑵在AB類(lèi)電流鏡基礎(chǔ)上采用兩個(gè)跨導(dǎo)線(xiàn)性環(huán)電路,設(shè)計(jì)了一個(gè)高精度電流模式四象限模擬乘法器。Pspice仿真測(cè)試結(jié)果
4、表明提出的乘法器具有精度高、輸入范圍廣、線(xiàn)性度好、功耗低等優(yōu)點(diǎn),可作為電流輸入的突觸電路應(yīng)用于神經(jīng)網(wǎng)路中。⑶為了解決神經(jīng)元激活函數(shù)電路結(jié)構(gòu)復(fù)雜、參數(shù)不可調(diào)、與突觸電路不匹配的問(wèn)題,基于跨導(dǎo)線(xiàn)性環(huán)和基本差分跨導(dǎo)電路,提出了一種神經(jīng)元雙極性Sigmoid激活函數(shù)及其導(dǎo)函數(shù)發(fā)生器,該函數(shù)發(fā)生器結(jié)構(gòu)簡(jiǎn)單、易于編程。通過(guò)改變外部偏置電流和電壓可調(diào)節(jié)函數(shù)的幅值、閾值和增益因子。⑷為了克服傳統(tǒng)單層感知器不能解決異或問(wèn)題以及對(duì)線(xiàn)性不可分?jǐn)?shù)據(jù)進(jìn)行分類(lèi)的缺
5、點(diǎn),提出了一個(gè)神經(jīng)元梯形激活函數(shù)電路,電路結(jié)構(gòu)簡(jiǎn)單,僅由一個(gè)減法電路和兩個(gè)閾值函數(shù)電路構(gòu)成。⑸利用提出的單元模塊電路實(shí)現(xiàn)了前饋人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì),并探討了其應(yīng)用,實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)可用于解決異或問(wèn)題,實(shí)現(xiàn)一維、多維數(shù)據(jù)分類(lèi)。⑹介紹了版圖設(shè)計(jì)的一般規(guī)則、基本流程、工具平臺(tái)以及應(yīng)對(duì)外部干擾的防護(hù)措施,采用Cadence軟件的Virtuoso Layout Editor對(duì)LOTA、電流模式乘法器、雙極性Sigmoid函數(shù)和梯形函數(shù)電路等神經(jīng)網(wǎng)絡(luò)單
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 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
- 前饋人工神經(jīng)網(wǎng)絡(luò)的CMOS模擬電路實(shí)現(xiàn)研究.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究.pdf
- 前饋型神經(jīng)網(wǎng)絡(luò)及其應(yīng)用的研究.pdf
- 基于前饋型人工神經(jīng)網(wǎng)絡(luò)的語(yǔ)音和音樂(lè)識(shí)別.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)算法研究及其應(yīng)用.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)的奇異學(xué)習(xí)動(dòng)態(tài)研究.pdf
- 遺傳前饋神經(jīng)網(wǎng)絡(luò)盲均衡算法的研究.pdf
- 通用前饋神經(jīng)網(wǎng)絡(luò)代碼庫(kù)的設(shè)計(jì).pdf
- 多層前饋神經(jīng)網(wǎng)絡(luò)全局優(yōu)化算法研究.pdf
- 基于FPGA的神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)研究.pdf
- 多層前饋神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的遺傳優(yōu)化研究.pdf
- 基于FPGA的神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn).pdf
- 多層前饋神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)及應(yīng)用.pdf
- BP神經(jīng)網(wǎng)絡(luò)研究與硬件實(shí)現(xiàn).pdf
- 前饋神經(jīng)網(wǎng)絡(luò)參數(shù)和結(jié)構(gòu)的優(yōu)化策略研究.pdf
- 基于遺傳前饋神經(jīng)網(wǎng)絡(luò)自適應(yīng)均衡算法的研究.pdf
- 基于∑-Δ調(diào)制比特流人工神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)技術(shù)研究.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)工作機(jī)理分析與學(xué)習(xí)算法.pdf
- 基于遺傳算法的前饋神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計(jì).pdf
評(píng)論
0/150
提交評(píng)論