高能物理對(duì)撞機(jī)實(shí)驗(yàn)中,對(duì)于碰撞事件的分析和辨別依賴于從探測(cè)器獲取的末態(tài)粒子的類(lèi)型和動(dòng)力學(xué)信息。對(duì)于基于模擬數(shù)字轉(zhuǎn)換器時(shí)間系統(tǒng)的探測(cè)器,從成形脈沖中提取準(zhǔn)確的時(shí)間信息是其中的一個(gè)重要步驟。由于探測(cè)器系統(tǒng)的指數(shù)信號(hào)和隨機(jī)噪聲的存在,傳統(tǒng)的曲線擬合方法不足以達(dá)到最佳的精度和效率。近年來(lái),神經(jīng)網(wǎng)絡(luò)被逐漸應(yīng)用于高能物理實(shí)驗(yàn)的數(shù)據(jù)分析中。由于神經(jīng)網(wǎng)絡(luò)算法計(jì)算量大,為滿足快速實(shí)時(shí)處理數(shù)據(jù)的需求,需要采用硬件加速器對(duì)神經(jīng)網(wǎng)絡(luò)算法的計(jì)算進(jìn)行加速。目前,國(guó)內(nèi)外有許多針對(duì)脈沖參數(shù)提取的研究,常用的方法有曲線擬合,梯形濾波成形等,也有一些基于機(jī)器學(xué)習(xí)的方法,例如基于LSTM網(wǎng)絡(luò)和基于種群遺傳算法的參數(shù)提取。但這些研究大多用于離線數(shù)據(jù)分析。隨著高能物理實(shí)驗(yàn)規(guī)模增大,產(chǎn)生的樣本數(shù)量也逐漸增加,實(shí)時(shí)處理在線數(shù)據(jù),減少數(shù)據(jù)存儲(chǔ)成為一個(gè)重要的研究方向。本文基于降噪自編碼器模型,設(shè)計(jì)了一種深度學(xué)習(xí)網(wǎng)絡(luò)模型,用于完成從一維時(shí)間序列中提取時(shí)間信息的任務(wù)。并以該網(wǎng)絡(luò)為基礎(chǔ),設(shè)計(jì)了一款基于FPGA的神經(jīng)網(wǎng)絡(luò)加速器。加速器通過(guò)重配置的方式分層復(fù)用硬件資源,以實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型的推斷。加速器的設(shè)計(jì)采用了數(shù)據(jù)復(fù)用的策略,減少了乘加運(yùn)算對(duì)... 

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．２整形脈沖波形圖??ＣＲ電路與ＲＣ電路有相同的整形時(shí)間常數(shù)Ｔｑ?＝?Ｃｐ?Ａｄ

圖２．３?深度學(xué)習(xí)模型示意圖??神經(jīng)元也被稱(chēng)作節(jié)點(diǎn)，是人工神經(jīng)網(wǎng)絡(luò)的基本單元，其本質(zhì)為一個(gè)非線性函數(shù)

圖２．４?人工神經(jīng)元示意圖??主流的深度學(xué)習(xí)模型有，卷積神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)，自編碼器，生成對(duì)抗??

【參考文獻(xiàn)】：
期刊論文
[1]Estimation of Gaussian overlapping nuclear pulse parameters based on a deep learning LSTM model[J]. Xing-Ke Ma,Hong-Quan Huang,Qian-Cheng Wang,Jing Zhao,Fei Yang,Kai-Ming Jiang,Wei-Cheng Ding,Wei Zhou.  Nuclear Science and Techniques. 2019(11)
[2]基于S-K數(shù)字成形和種群技術(shù)的脈沖參數(shù)提取方法[J]. 蔣開(kāi)明,黃洪全,楊小峰,任家富.  核電子學(xué)與探測(cè)技術(shù). 2017(02)
[3]數(shù)字化能譜獲取中梯形成形研究[J]. 劉寅宇,王玉東,周榮,楊朝文.  核技術(shù). 2017(02)
[4]Estimation method for parameters of overlapping nuclear pulse signal[J]. Hong-Quan Huang,Xiao-Feng Yang,Wei-Cheng Ding,Fang Fang.  Nuclear Science and Techniques. 2017(01)
[5]基于小波分析的高斯脈沖成形的遞歸實(shí)現(xiàn)[J]. 陳世國(guó),吉世印,劉萬(wàn)松,宋澤運(yùn),龐禮軍.  物理學(xué)報(bào). 2009(05)

碩士論文
[1]核脈沖數(shù)字化成形與脈沖堆積相關(guān)技術(shù)研究[D]. 趙靖.成都理工大學(xué) 2019
[2]基于FPGA的卷積神經(jīng)網(wǎng)絡(luò)加速器[D]. 余子健.浙江大學(xué) 2016
[3]基于神經(jīng)網(wǎng)絡(luò)的高能物理粒子鑒別的應(yīng)用研究[D]. 崔向麗.蘭州大學(xué) 2013



本文編號(hào)：3682308