动态功能神经元网络NoC架构的研究
发布时间：2020-12-23 08:13
计算神经科学是神经科学研究的重要方法之一,通过建立神经元网络的生物物理模型对其特性与结构进行研究。为满足大规模神经元网络仿真的需要,以现场可编程门阵列(FPGA)进行硬件仿真已经成为目前计算神经科学研究的主要方向之一。由于神经元网络的特性和结构十分复杂,传统的神经元网络片上仿真模型无法实现其动态的特性与功能。本文提出将片上网络(NoC)引入到神经元网络的FPGA实现中,利用路由寻址的方式实现神经元网络复杂的通讯功能,并通过FPGA内部状态机控制来实现神经元网络的动态仿真效果。本文提出了一种通过FPGA芯片实现的动态功能神经元网络的NoC架构。根据神经元网络的内部结构与特性选取合适的NoC拓扑结构与路由算法,将神经元网络中的信息传递过程转化为计算机网络中的路由寻址过程,将单个神经元作为网络的IP核对信息进行处理,加入路由器对数据包的传输路径进行决策,再通过有限状态机完成多个通讯状态的转换与控制,实现神经元网络的动态通信功能。针对神经元网络中大量存在的非线性运算问题,本文提出了一种改进的旋转坐标算法(CORDIC)。改进的CORDIC算法通过区间压缩法对传统CORDIC算法的收敛域进行扩展...
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
基于状态机控制的动态神经元网络NoC架构图
第2章基于状态机控制的动态神经元网络NoC架构11这四层结构相互配合可以实现大多数神经元网络内部较复杂的动态功能，也可以与FPGA周边设备配合实现神经元网络与外部信号的信息交互功能。因此该架构具有很强的可移植性与实时性。本章后几节将会对NoC与路由算法、状态机控制模块和IP核线性化算法进行详细介绍。2.2NoC的结构与算法NoC作为神经元网络通信的基础，将计算机网络科学与生物神经元网络相结合，并在高性能的FPGA芯片上实现，可以很好的发挥FPGA的并行工作特性与NoC的高带宽通讯能力。NoC在实现生物神经元网络时需要关注两点问题，NoC自身的拓扑结构与NoC的路由寻址算法，只有将这二者与神经元网络紧密结合，才可以更好的完成神经元网络的复杂通讯功能。2.2.1NoC结构片上网络（NetworkonChip，NoC）的本质是在单片上搭建一种适用于多核系统的且模块或节点之间延迟较小的高性能通信网络。如今最为常见的NoC包括Mesh型片上网络、Torus型片上网络、Spin型片上网络、BFT型片上网络等等，NoC的基础结构如图2-2所示[41]。图2-2NoC拓扑结构模型图
第2章基于状态机控制的动态神经元网络NoC架构15结构和信息传输方式的困扰。有限状态机的效率高，应用广，算法简单，便于验证，使其在动态NoC中具有极大的应用空间。图2-3以一个包含四个神经元的神经元网络的状态机控制模型为例，来介绍有限状态机在神经元网络中的工作原理。图2-3神经元网络状态转移图如图2-3所示，A1、A2、B1和B2代表两层中的四个神经元模型，神经元之间通过四条链路相互连接，黑色代表链路中无神经信号传输，红色为链路中有神经信号传输。整个状态机有四个状态，分别为IDLE，S1，S2和S3，每一个都对应神经元网络的一种通讯方式。触发条件包括A，B，C，D，E，F，G和H。系统开始时，状态机处于初始状态IDLE，神经元网络无信号传输；A条件使状态机保持初始IDLE状态；B条件使状态机进入第一个工作状态S1，此时神经元网络中A1向B1传输信号，A2向B2传输信号；C条件在S1状态有效，使状态机返回初始IDLE状态；而D条件则表征S1阶段完成，神经元网络进入S2通信状态，此时A1与B2通信，A2与B1通信；在S2阶段，E使得系统再一次回到初始状态，而F使得系统进入下一阶段，S3状态，此时A1和A2都与B1进行通信；在S3阶段，G让状态机返回S2阶段，而H表示状态机运行完成，系
【参考文献】：
期刊论文
[1]指数函数CORDIC算法的FPGA定点化技术[J]. 唐文明,刘桂雄. 华南理工大学学报(自然科学版). 2016(07)
[2]Numerical simulation of neuronal spike patterns in a retinal network model[J]. Lei Wang1,Shenquan Liu1,Shanxing Ou21Department of Mathematics,South China University of Technology,Guangzhou 510640,Guangdong Province,China2Department of Radiology,General Hospital of Guangzhou Military Command,Guangzhou 510640,Guangdong Province,China. Neural Regeneration Research. 2011(16)
[3]有限状态机的Verilog设计与研究[J]. 俞莉琼,付宇卓. 微电子学与计算机. 2004(11)
[4]视网膜双极细胞的突触传递[J]. 许红平,杨雄里. 生理科学进展. 2001(03)
[5]计算神经科学[J]. 郭爱克. 科学. 1993(04)
[6]视网膜神经网络的信息传递[J]. 陈德茂. 生物化学与生物物理进展. 1979(02)
硕士论文
[1]视网膜信息处理模型的建立[D]. 裴智军.天津医科大学 2011
[2]一种改进的BFT型片上网络拓扑结构及路由算法研究[D]. 周文科.湖南大学 2011
本文编号：2933373
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
基于状态机控制的动态神经元网络NoC架构图
第2章基于状态机控制的动态神经元网络NoC架构11这四层结构相互配合可以实现大多数神经元网络内部较复杂的动态功能，也可以与FPGA周边设备配合实现神经元网络与外部信号的信息交互功能。因此该架构具有很强的可移植性与实时性。本章后几节将会对NoC与路由算法、状态机控制模块和IP核线性化算法进行详细介绍。2.2NoC的结构与算法NoC作为神经元网络通信的基础，将计算机网络科学与生物神经元网络相结合，并在高性能的FPGA芯片上实现，可以很好的发挥FPGA的并行工作特性与NoC的高带宽通讯能力。NoC在实现生物神经元网络时需要关注两点问题，NoC自身的拓扑结构与NoC的路由寻址算法，只有将这二者与神经元网络紧密结合，才可以更好的完成神经元网络的复杂通讯功能。2.2.1NoC结构片上网络（NetworkonChip，NoC）的本质是在单片上搭建一种适用于多核系统的且模块或节点之间延迟较小的高性能通信网络。如今最为常见的NoC包括Mesh型片上网络、Torus型片上网络、Spin型片上网络、BFT型片上网络等等，NoC的基础结构如图2-2所示[41]。图2-2NoC拓扑结构模型图
第2章基于状态机控制的动态神经元网络NoC架构15结构和信息传输方式的困扰。有限状态机的效率高，应用广，算法简单，便于验证，使其在动态NoC中具有极大的应用空间。图2-3以一个包含四个神经元的神经元网络的状态机控制模型为例，来介绍有限状态机在神经元网络中的工作原理。图2-3神经元网络状态转移图如图2-3所示，A1、A2、B1和B2代表两层中的四个神经元模型，神经元之间通过四条链路相互连接，黑色代表链路中无神经信号传输，红色为链路中有神经信号传输。整个状态机有四个状态，分别为IDLE，S1，S2和S3，每一个都对应神经元网络的一种通讯方式。触发条件包括A，B，C，D，E，F，G和H。系统开始时，状态机处于初始状态IDLE，神经元网络无信号传输；A条件使状态机保持初始IDLE状态；B条件使状态机进入第一个工作状态S1，此时神经元网络中A1向B1传输信号，A2向B2传输信号；C条件在S1状态有效，使状态机返回初始IDLE状态；而D条件则表征S1阶段完成，神经元网络进入S2通信状态，此时A1与B2通信，A2与B1通信；在S2阶段，E使得系统再一次回到初始状态，而F使得系统进入下一阶段，S3状态，此时A1和A2都与B1进行通信；在S3阶段，G让状态机返回S2阶段，而H表示状态机运行完成，系
【参考文献】：
期刊论文
[1]指数函数CORDIC算法的FPGA定点化技术[J]. 唐文明,刘桂雄. 华南理工大学学报(自然科学版). 2016(07)
[2]Numerical simulation of neuronal spike patterns in a retinal network model[J]. Lei Wang1,Shenquan Liu1,Shanxing Ou21Department of Mathematics,South China University of Technology,Guangzhou 510640,Guangdong Province,China2Department of Radiology,General Hospital of Guangzhou Military Command,Guangzhou 510640,Guangdong Province,China. Neural Regeneration Research. 2011(16)
[3]有限状态机的Verilog设计与研究[J]. 俞莉琼,付宇卓. 微电子学与计算机. 2004(11)
[4]视网膜双极细胞的突触传递[J]. 许红平,杨雄里. 生理科学进展. 2001(03)
[5]计算神经科学[J]. 郭爱克. 科学. 1993(04)
[6]视网膜神经网络的信息传递[J]. 陈德茂. 生物化学与生物物理进展. 1979(02)
硕士论文
[1]视网膜信息处理模型的建立[D]. 裴智军.天津医科大学 2011
[2]一种改进的BFT型片上网络拓扑结构及路由算法研究[D]. 周文科.湖南大学 2011
本文编号：2933373
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2933373.html
