基于FPGA的深度神经网络设计与实现

发布时间：2023-04-27 21:30

　　深度神经网络具有并行计算、分布处理、自适应以及自学习等特性,深度神经网络的加速成为当前的热点之一。Field Programmable Gate Array(FPGA)作为一种可编程逻辑,具有很好的并行性、实时性、可重构以及可定制等特点,可设计实现深度神经网络。基于此,本文主要研究基于FPGA的深度神经网络设计与实现,其主要工作与贡献总结如下:(1)FPGA设计实现感知机的研究从感知机模型出发,实现了感知机的前向传输过程,为了使得它具有自适应性,增加减法器用于计算实际输出与理论输出的差值,增加更新单元更新权重以及偏置值。最后,用Iris数据集进行验证,准确率为92.3%。感知机是神经网络的基础,通过研究感知机的FPGA实现,为后续实现BP神经网络奠定基础。(2)FPGA设计实现Back Propagation(BP)神经网络的研究分析现有实现激活函数方法的优缺点,引入查表法和线性法相结合的方式设计激活函数。设计实现基于FPGA的神经元,根据BP神经网络的结构,提出不同层的复用方法,实现BP神经网络的并行计算。最后,用Iris、Banknote、Seeds数据集进行验证,BP神经网络的激...

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外研究现状
    1.3 论文的主要贡献与创新
    1.4 论文的结构安排
第二章 相关理论与技术
    2.1 典型的深度神经网络
        2.1.1 感知机
        2.1.2 BP神经网络
        2.1.3 卷积神经网络
    2.2 FPGA
        2.2.1 FPGA结构
        2.2.2 软硬件协同设计
        2.2.3 数据格式
    2.3 本章小结
第三章 基于FPGA的感知机设计实现
    3.1 感知机模块设计
    3.2 显示系统设计
    3.3 自适应系统设计
    3.4 实验分析
    3.5 本章小结
第四章 基于FPGA的 BP神经网络设计实现
    4.1 神经元的设计
    4.2 激活函数的设计
        4.2.1 激活函数的设计方法概括
        4.2.2 激活函数函数的具体设计
    4.3 BP神经网络的设计
    4.4 实验分析
    4.5 本章小结
第五章 基于FPGA的卷积神经网络设计实现
    5.1 参数提取
    5.2 卷积模块的设计
    5.3 显示模块的设计
    5.4 实验分析
    5.5 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 后续工作展望
致谢
参考文献
攻读硕士期间取得的研究成果



本文编号：3803099