本文關鍵詞：一種自適應訓練的BP神經網絡FPGA設計　出處：《現代電子技術》2016年15期 　論文類型：期刊論文

  更多相關文章： FPGA BP神經網絡 線性擬合 非線性擬合 自適應訓練

【摘要】：為解決軟件實現神經網絡存在并行度不高、速度慢的缺點以及傳統(tǒng)神經網絡硬件設計資源利用高、網絡訓練不可控的不足,提出了一種新的BP神經網絡FPGA設計方法。該方法通過基于對稱性的分段線性擬合和非線性擬合實現Sigmoid激勵函數和利用有限狀態(tài)機實現基于誤差的訓練次數自適應。應用Verilog HDL語言設計1-3-1三層BP神經網絡逼近y=cos x函數,網絡的資源占用為2 756 LEs,訓練次數為1 583次,網絡測試樣本的平均相對誤差為0.6%,最高時鐘頻率為82.3 MHz。驗證結果表明該方法設計的神經網絡資源占用少,網絡訓練可自動控制,同時還具有精度高,運行速度快的優(yōu)點。
[Abstract]:In order to solve the shortcomings of low degree of parallelism and slow speed in the software implementation of neural networks and the shortcomings of high utilization of hardware design resources of traditional neural networks and uncontrollable network training. In this paper, a new design method of BP neural network FPGA is proposed, which realizes the Sigmoid excitation function by piecewise linear fitting and nonlinear fitting based on symmetry, and uses finite state machine to realize the design based on finite state machine. Adaptive training times for errors. Application of Verilog. The 1-3-1 three-layer BP neural network is designed by HDL language to approximate YCocos x function. The resource occupation of the network is 2 756 LEs, the number of training is 1 583, and the average relative error of the network test sample is 0.6%. The highest clock frequency is 82.3 MHz. The verification results show that the proposed method has the advantages of less resource consumption, automatic control of network training, high precision and fast running speed.
【作者單位】： 武漢大學物理科學與技術學院;
【基金】：國家自然科學基金(61204096,61404094,61574102) 湖北省科技支撐計劃(2015CFB536)
【分類號】：TN791;TP183
【正文快照】： 0引言人工神經網絡(ANNs)[1]通常都是采用基于軟件的方法實現。但作為一個并行計算系統(tǒng),軟件實現的方法存在速度慢的缺點,而硬件方式具有高并行性的特點,適合于人工神經網絡。FPGA作為一種通用的硬件設計平臺,其內部分布式的資源與神經網絡的結構非常契合,是一個實現神經網絡

【相似文獻】

相關期刊論文 前10條

1 云中客;新的神經網絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經網絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

3 李智;一種基于神經網絡的煤炭調運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經網絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經網絡推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經網絡[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經網絡及其應用研究[J];微計算機信息;2005年14期

8 袁婷;;神經網絡在股票市場預測中的應用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經網絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經網絡的過去、現在和將來[J];青年探索;2006年04期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經網絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經網絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經網絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經網絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經網絡的上證指數預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現[D];華南理工大學;2015年

9 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1362344