基于FPGA的手写数字BP神经网络研究与设计

发布时间：2021-12-30 18:26

　　图像分类是人工神经网络的研究领域之一,手写数字识别又是图像分类的一个重要应用。人工神经网络是根据生物脑学习和记忆的功能,仿照脑细胞处理信号的方式去设计,能处理大量数据运算和训练更新自身参数的系统,具有并行处理数据的特点。神经网络通常采用软件串行处理方式实现,缺点是训练速度较慢,耗时长;其另一种实现方式是硬件实现,可克服软件处理慢的缺点。FPGA作为一种可编程逻辑器件,具有并行处理能力和可重复配置的优点,且内嵌丰富的乘法器和存储器资源,适合神经网络算法的实现,可提高网络训练速度,满足实时性的要求。因此成为研究神经网络硬件实现的一种理想器件。神经网络是由若干人工神经元按照一定规则相互连接起来的,具有并行分布结构、非线性激活函数、归纳学习、适应性的特点。BP网络在语音识别、图像分类和信号处理等领域应用是最为广泛的神经网络模型之一,具有快速和大规模处理的能力。手写数字识别系统根据BP算法训练更新神经元的权重和偏置,实现手写数字样本识别。本文用FPGA实现BP神经网络的训练和识别功能,并应用于手写数字识别,主要研究内容如下。研究手写数字BP神经网络架构和BP网络算法原理,参考python语言程序... 

【文章来源】：青岛大学山东省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

MNIST部分像素数据

一个手写数字样本0

MNIST库部分数字样本

【参考文献】：
期刊论文
[1]基于FPGA的BP神经网络硬件实现及改进[J]. 杨景明,杜韦江,吴绍坤,李良,魏立新.  计算机工程与设计. 2018(06)
[2]层叠式SOM神经网络星图识别算法及FPGA验证[J]. 郑天宇,尹达一,赵玥皎.  红外技术. 2018(03)
[3]基于FPGA的卷积神经网络的实现[J]. 李嘉辉,蔡述庭,陈学松,熊晓明.  自动化与信息工程. 2018(01)
[4]基于FPGA的脉冲神经网络加速器设计[J]. 沈阳靖,沈君成,叶俊,马琪.  电子科技. 2017(10)
[5]FPGA嵌入式语音识别控制系统的设计实现[J]. 严翔,张屯厚,邓威.  计算机与网络. 2017(19)
[6]基于FPGA的图像叠加及VGA显示设计[J]. 陈权,朱卫华,曹亮,陈志勇.  南华大学学报(自然科学版). 2017(03)
[7]基于FPGA的卷积神经网络加速器[J]. 余子健,马德,严晓浪,沈君成.  计算机工程. 2017(01)
[8]基于FPGA实时Sobel边缘检测形态学优化设计[J]. 仝海峰,蔡俊,范静静.  微电子学. 2015(06)
[9]基于Python的sigmoid函数FPGA实现[J]. 刘毅飞.  微处理机. 2014(01)

硕士论文
[1]基于神经网络的图像特征点提取在FPGA上实现[D]. 付清林.桂林电子科技大学 2019
[2]基于图像处理的绝缘子破损识别[D]. 马敏.石家庄铁道大学 2019
[3]卷积神经网络软硬件综合平台设计[D]. 魏广举.北京邮电大学 2019
[4]基于FPGA的卷积神经网络系统设计与实现[D]. 张晋.华中科技大学 2019
[5]基于FPGA的BP神经网络的实现研究[D]. 毛菲菲.青岛大学 2019
[6]CNN全连接层FPGA硬件实现技术研究[D]. 邵清.东北师范大学 2019
[7]神经网络算法的FPGA加速研究[D]. 王绍润.武汉大学 2019
[8]基于FPGA的神经网络加速器的规模可伸缩性研究[D]. 陈辰.江南大学 2019
[9]基于FPGA的卷积神经网络加速器[D]. 蹇强.浙江大学 2019
[10]基于神经网络的手写数字识别改进算法和系统研究[D]. 王际凯.西安电子科技大学 2018



本文编号：3558746