【摘要】：傳統(tǒng)的計算機體系結(jié)構(gòu)是靜態(tài)的,工程師在進(jìn)行處理器芯片設(shè)計時,芯片能夠執(zhí)行的功能通常是固定且不可更改的,導(dǎo)致現(xiàn)有的計算機硬件系統(tǒng)缺乏一定的靈活性與可控性�？芍貥�(gòu)技術(shù)使得未來的計算機體系可以根據(jù)消費者的不同需求動態(tài)地改變內(nèi)部器件的結(jié)構(gòu)和功能,這是一種新型的動態(tài)的計算機架構(gòu)體系�？芍貥�(gòu)計算與可重構(gòu)硬件設(shè)計的相關(guān)研究是構(gòu)建這種新型計算體系的關(guān)鍵技術(shù)之一。本文以建立一個基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的可重構(gòu)動態(tài)邏輯計算模型及其電路實現(xiàn)的體系為主要目標(biāo),分別重點研究了非耦合標(biāo)準(zhǔn)CNN、非耦合異構(gòu)CNN以及耦合標(biāo)準(zhǔn)CNN三類CNN模型,探討了這三類模型構(gòu)建可重構(gòu)動態(tài)邏輯電路的設(shè)計思路與實現(xiàn)方案。在考慮工程應(yīng)用的前提下,提出了設(shè)計細(xì)胞模板參數(shù)的一般性準(zhǔn)則,并運用差分進(jìn)化算法對參數(shù)進(jìn)行優(yōu)化求解。為解決CNN實現(xiàn)多輸入量線性不可分布爾函數(shù)(Non-LSBF)的問題,提出了一種改進(jìn)型CFC線性不可分布爾函數(shù)分解算法,并通過構(gòu)建一種非耦合異構(gòu)CNN模型,以更少的硬件資源實現(xiàn)(Non-LSBF)。本文對利用具有復(fù)雜動力學(xué)特性的耦合標(biāo)準(zhǔn)CNN實現(xiàn)具有可重構(gòu)功能的多輸入多輸出邏輯功能電路也做了較深入探索,拓寬并發(fā)展了動態(tài)邏輯電路的設(shè)計理論。論文主要研究內(nèi)容及貢獻(xiàn)包含以下幾個方面:(1)研究非耦合標(biāo)準(zhǔn)CNN動力學(xué)特性,分析非耦合標(biāo)準(zhǔn)CNN收斂于穩(wěn)定二值狀態(tài)時參數(shù)約束條件,提出更為簡潔且適于實際電路實現(xiàn)的CNN模板參數(shù)設(shè)計原則,成功構(gòu)建了14種基本兩輸入單輸出動態(tài)邏輯門。設(shè)計并驗證了基于運算放大器的單細(xì)胞電路。同混沌系統(tǒng)相比,基于CNN系統(tǒng)構(gòu)成的可重構(gòu)計算單元更易于VLSI實現(xiàn),并具有對初始值依賴度低等優(yōu)點。(2)分析并擴充了實現(xiàn)較大規(guī)�？芍貥�(gòu)組合邏輯、時序邏輯電路模塊的思路與方法。通過改進(jìn)經(jīng)典CFC分解算法,降低了電路的硬件資源開銷。在可重構(gòu)時序邏輯電路方面,設(shè)計了一種基于非耦合標(biāo)準(zhǔn)CNN的可重構(gòu)D觸發(fā)器,通過調(diào)整細(xì)胞模板參數(shù)值,可動態(tài)實現(xiàn)時鐘邊沿可控的單邊沿D觸發(fā)器以及雙邊沿D觸發(fā)器。(3)提出構(gòu)建非耦合異構(gòu)CNN來實現(xiàn)多輸入量Non-LSBF。依據(jù)一定優(yōu)化準(zhǔn)則,對表示多輸入量Non-LSBF的高維空間數(shù)據(jù)樣本進(jìn)行降維投影處理,從而建立起相應(yīng)的判別式方程表達(dá)式,并構(gòu)造出兩類非耦合異構(gòu)CNN模型結(jié)構(gòu)。采用非耦合異構(gòu)CNN模型實現(xiàn)Non-LSBF可較大地簡化系統(tǒng)結(jié)構(gòu),減少實際電路硬件資源的占用。(4)由于耦合的CNN系統(tǒng)具有更豐富的非線性特性,本文設(shè)計了一個具有外部輸入的三元耦合標(biāo)準(zhǔn)CNN模型來構(gòu)造多輸入多輸出可重構(gòu)電路。首先分析了這個三元耦合標(biāo)準(zhǔn)CNN模型的穩(wěn)定性,然后以此模型為基礎(chǔ)實現(xiàn)了一個3-bit的具有可重構(gòu)功能的聯(lián)想記憶電路,并深入探討了該模型的系統(tǒng)狀態(tài)變量x_i的初始值對實現(xiàn)聯(lián)想記憶功能的影響。(5)通過分析CNN系統(tǒng)收斂于二值穩(wěn)定狀態(tài)的基本約束條件,在考慮工程應(yīng)用的前提下,針對不同類型的CNN模型,提出了一個適用于工程實現(xiàn)的細(xì)胞模板參數(shù)設(shè)計準(zhǔn)則,將細(xì)胞模板參數(shù)求解與優(yōu)化問題轉(zhuǎn)化為一個非線性規(guī)劃問題進(jìn)行求解,采用差分進(jìn)化算法對該優(yōu)化問題進(jìn)行求解。最后選取幾組模板參數(shù)帶入到電路中進(jìn)行驗證并對仿真結(jié)果進(jìn)行分析。
【圖文】：

構(gòu)計算 RC（Reconfigurable Computing）概念正是為了尋找一種具有新體系而提出的。不同于上述兩種計算方式，，可重構(gòu)計算希望構(gòu)建的新計路視為一成不變的結(jié)構(gòu)和功能，通過配置結(jié)構(gòu)靈活多變的硬件電路，以。從而達(dá)到比 GPP 實現(xiàn)更高的性能，同時又具備 ASIC 的高速性[1]。構(gòu)計算的概念是由加利福尼亞大學(xué)的 Geraid Estrin 于 1926 提出的，是與高性能硬件相結(jié)合的計算機體系結(jié)構(gòu)，允許系統(tǒng)設(shè)計完成以后，可以進(jìn)行重新配置，通過使用非常靈活的高速硬件計算結(jié)構(gòu)對數(shù)據(jù)進(jìn)行處理通�？煞譃殪o態(tài)系統(tǒng)重構(gòu)和動態(tài)系統(tǒng)重構(gòu)。系統(tǒng)重構(gòu)是指配置過程中系統(tǒng)必須停止運行，待配置完成后，系統(tǒng)才能圖 1.1 靜態(tài)系統(tǒng)重構(gòu)系統(tǒng)重構(gòu)是指在系統(tǒng)運行過程中, 對可重構(gòu)期間進(jìn)行重新配置，不同于一種可適應(yīng)各種算法的實時地、動態(tài)地配置方法，耗時短，運行效率高

物學(xué)家梅在《自然》發(fā)表的論文中[24]，通過對季節(jié)性著名的蟲口方程Logistic模型。首次揭示了通過被周通過對Logistic模型的深入研究，發(fā)現(xiàn)了倍周期分叉算后得出，這種周期倍增分岔發(fā)生時的參數(shù)之間的，計算出收斂常數(shù) δ = 4.6692和標(biāo)度常數(shù) α = 2.50進(jìn)一步揭示了該常數(shù)適用于廣泛的數(shù)學(xué)函數(shù)領(lǐng)域，推進(jìn)到了定量計算的階段，是混沌研究的一個重要rot 基于分形理論用計算機繪出了第一張 Mande復(fù)平面上的點集。有人認(rèn)為 Mandelbrot 集合是“人類形”，曾被稱為“上帝的指紋”。1983年，蔡少堂提出構(gòu)簡單，可以產(chǎn)生例如雙漩渦混沌吸引子、多渦卷混制作容易程度使它成為了一個無處不在的現(xiàn)實世界的研究混沌基礎(chǔ)理論和應(yīng)用問題的實用系統(tǒng)。
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TP183;TN791

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李國東;王雪;趙國敏;;基于五階CNN的圖像邊檢測算法研究[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2015年03期

2 韋一;沈繼忠;;基于多閾值神經(jīng)元的D型觸發(fā)器設(shè)計[J];浙江大學(xué)學(xué)報(理學(xué)版);2010年06期

3 張躍軍;汪鵬君;;基于鐘控神經(jīng)MOS管的多值雙邊沿D觸發(fā)器設(shè)計[J];浙江大學(xué)學(xué)報(理學(xué)版);2009年05期

4 李和成;王宇平;;求解混合整數(shù)雙層規(guī)劃問題的遺傳算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2009年03期

5 楊雪梅;羅紅;李麗香;羅群;彭海朋;;基于混沌計算的全加器實現(xiàn)[J];物理學(xué)報;2008年12期

6 李宏;焦永昌;張莉;;一種求解混合整數(shù)規(guī)劃的混合進(jìn)化算法[J];控制與決策;2008年10期

7 劉炳文;黃立宏;;時滯細(xì)胞神經(jīng)網(wǎng)絡(luò)概周期解的存在性與全局指數(shù)穩(wěn)定性[J];數(shù)學(xué)物理學(xué)報;2007年06期

8 劉波;王凌;金以慧;;差分進(jìn)化算法研究進(jìn)展[J];控制與決策;2007年07期

9 黃立宏;胡穗華;;具一般輸出函數(shù)的時滯細(xì)胞神經(jīng)網(wǎng)絡(luò)的指數(shù)穩(wěn)定性[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2007年01期

10 王懷穎;于盛林;馮強;;基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的從陰影恢復(fù)形狀的新方法[J];電子學(xué)報;2006年11期

相關(guān)博士學(xué)位論文 前1條

1 王懷穎;細(xì)胞神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用技術(shù)研究[D];南京航空航天大學(xué);2007年

相關(guān)碩士學(xué)位論文 前2條

1 王雯艷;基于CNN的混沌系統(tǒng)設(shè)計及應(yīng)用研究[D];南京航空航天大學(xué);2013年

2 黃蕾;基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像邊緣提取算法研究[D];南京航空航天大學(xué);2006年

本文編號：2695858