數(shù)字識(shí)別所依靠的經(jīng)典網(wǎng)絡(luò)模型主要為BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)。相比較,卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別效果更好,更適合處理圖像識(shí)別問題。目前,卷積神經(jīng)網(wǎng)絡(luò)多為軟件實(shí)現(xiàn),而硬件有著并行性與速度快的優(yōu)點(diǎn)。因此,意圖以硬件描述語言（Verilog）實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò),在保證在高識(shí)別率的情況下,充分挖掘硬件實(shí)現(xiàn)的優(yōu)點(diǎn)。通過研究網(wǎng)絡(luò)的工作原理及結(jié)構(gòu),構(gòu)造完整電路模型,給出了現(xiàn)場可編程門陣列（Field-Programmable Gate Array,FPGA）的實(shí)現(xiàn)方案。卷積神經(jīng)網(wǎng)絡(luò)通過反向傳播訓(xùn)練MNIST數(shù)據(jù)庫中60 000幅數(shù)字樣本圖片,提取準(zhǔn)確率最高的權(quán)重與偏置,再進(jìn)行網(wǎng)絡(luò)的前向傳播,完成數(shù)字識(shí)別。完整過程借助ModelSim和Quartus II仿真工具實(shí)現(xiàn)。仿真結(jié)果表明,全部樣本在100 MHz時(shí)鐘下訓(xùn)練耗時(shí)50 ms,相較軟件實(shí)現(xiàn)而言,速度明顯提高,滿足硬件設(shè)計(jì)的實(shí)時(shí)性,且準(zhǔn)確率較高,可達(dá)95.4%。該研究為應(yīng)用于嵌入式設(shè)備的圖像識(shí)別提供了方法和策略,具有實(shí)際應(yīng)用價(jià)值。 

【文章來源】：計(jì)算機(jī)工程與應(yīng)用. 2020,56(13)北大核心CSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1引言
2 卷積神經(jīng)網(wǎng)絡(luò)
3 前向傳播實(shí)現(xiàn)方案
    3.1 樣本讀取
    3.2 激活函數(shù)的實(shí)現(xiàn)
    3.3 卷積層計(jì)算
    3.4 混合計(jì)算
    3.5 輸出值計(jì)算
    3.6 小結(jié)
4 反向傳播實(shí)現(xiàn)方案
    4.1 標(biāo)簽值讀取
    4.2 權(quán)重與偏置的更新
    4.3 小結(jié)
5 網(wǎng)絡(luò)的循環(huán)與實(shí)現(xiàn)
6 RTL級(jí)電路設(shè)計(jì)
7 結(jié)果與總結(jié)
    7.1 行為級(jí)描述仿真結(jié)果
    7.2 RTL設(shè)計(jì)結(jié)果
8 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]雙口RAM在FPGA與DSP通信中的運(yùn)用[J]. 楊曉玫,張敏,劉冬,閆瑾.  工業(yè)控制計(jì)算機(jī). 2019(06)
[2]數(shù)字圖像識(shí)別的代價(jià)函數(shù)選擇和性能評(píng)價(jià)[J]. 李仲德,盧向日,崔桂梅.  電光與控制. 2019(12)
[3]帶有N個(gè)不同神經(jīng)元的神經(jīng)網(wǎng)絡(luò)混沌性[J]. 吳小英,李倩.  南昌大學(xué)學(xué)報(bào)(理科版). 2019(01)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的反向傳播算法改進(jìn)[J]. 楊鶴標(biāo),龔文彥.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(01)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的手寫漢字識(shí)別研究[J]. 楊佶.  信息技術(shù)與信息化. 2018(12)
[6]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 張亞倩.  信息通信. 2018(11)
[7]基于集成學(xué)習(xí)的MINIST手寫數(shù)字識(shí)別[J]. 黃浩然.  電子制作. 2018(18)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別及優(yōu)化方法[J]. 夏少杰,項(xiàng)鯤.  智能物聯(lián)技術(shù). 2018(01)
[9]關(guān)于非線性激活函數(shù)的深度學(xué)習(xí)分類方法研究[J]. 楊國亮,許楠,李放,龔曼.  江西理工大學(xué)學(xué)報(bào). 2018(03)
[10]梯度下降法在機(jī)器學(xué)習(xí)中的應(yīng)用[J]. 孫婭楠,林文斌.  蘇州科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)

博士論文
[1]基于FPGA的卷積神經(jīng)網(wǎng)絡(luò)并行結(jié)構(gòu)研究[D]. 陸志堅(jiān).哈爾濱工程大學(xué) 2013

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別研究與設(shè)計(jì)[D]. 劉辰雨.成都理工大學(xué) 2018



本文編號(hào)：3641273