基于细胞神经网络的逻辑函数与进化电路设计

发布时间：2017-08-13 06:21

  本文关键词：基于细胞神经网络的逻辑函数与进化电路设计

  更多相关文章： 细胞神经网络 动态逻辑门 经典通用细胞神经网络 多重嵌套细胞神经网络 布尔函数 进化电路 遗传算法

【摘要】：基于细胞神经网络构造动态逻辑门是近年来一个全新的研究方向。由于非线性系统状态演化具有很强的非线性特征和丰富的动态模式,细胞神经网络在构建灵活、可重构的逻辑门电路中具有独特的优势。动态逻辑门就是逻辑门在外部控制信号的作用下门的功能发生相应的改变,这种动态特性可以用来构建更为灵活的动态可重构的计算机体系结构。论文首先基于细胞神经网络的逻辑函数设计,分析了两输入和三输入线性可分布尔函数的标准非耦合细胞神经网络的模板参数的求解过程,并设计了相应电路;同时针对线性可分布尔函数的细胞设计,实现了当电路结构不变时,通过改变其模板参数实现逻辑门的动态转变。针对线性不可分布尔函数,通过对经典通用和多重嵌套两种类型细胞神经网络的改进,分别设计了相应的模板参数求解过程,并利用经典通用细胞神经网络实现了一位全加器的设计,仿真实验结果表明基于经典通用细胞神经网络设计的逻辑电路具有一定的优越性;同时以Parity(4)函数为例,将经典通用细胞神经网络和多重嵌套细胞神经网络进行比较,分析了多重嵌套细胞在电路设计中资源利用的优势。其次研究了基于细胞神经网络的进化电路设计。将遗传算法用于进化电路,针对电路结构的特性,设计遗传算法中电路个体的编码方式为矩阵形式;通过加入三输入线性可分函数作为逻辑基因,可提高基因的多样性,丰富电路进化的多样性,从而提高电路的有效性。对遗传算法进行了改进,通过对选择算子、交叉算子和变异算子的改善,可提高进化的速率,整体提高电路的性能。在此基础上,设计了一位全加器和两位乘法器进化电路。本文研究了如何利用标准细胞神经网络及其改进型细胞实现布尔函数,给出了方法和电路实现。所给出的方法物理意义明确、电路简化、易于理解,为超大规模集成电路实现细胞神经网络打下基础,对可重构芯片的设计具有一定的工程意义。
【关键词】：细胞神经网络 动态逻辑门 经典通用细胞神经网络 多重嵌套细胞神经网络 布尔函数 进化电路 遗传算法
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN702;TP183
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 注释表10-11
• 第一章 绪论11-15
• 1.1 研究背景11-12
• 1.2 国内外研究现状12-13
• 1.3 论文主要内容及章节结构13-15
• 第二章 标准细胞神经网络逻辑门电路设计15-36
• 2.1 细胞神经网络结构分析15-19
• 2.1.1 CNN拓扑结构15-16
• 2.1.2 CNN单细胞分析16-18
• 2.1.3 CNN模板和基因库18-19
• 2.2 标准细胞神经网络逻辑门电路设计19-34
• 2.2.1 布尔函数概念19-23
• 2.2.2 细胞神经网络电路平衡点设计23-26
• 2.2.3 细胞神经网络逻辑门基因设计26-28
• 2.2.4 基于标准非耦合细胞两输入逻辑门电路设计28-31
• 2.2.5 基于标准非耦合细胞三输入逻辑门电路设计31-34
• 2.3 本章小结34-36
• 第三章 通用细胞神经网络的逻辑电路设计与实现36-54
• 3.1 通用细胞神经网络36-40
• 3.1.1 细胞神经网络判别函数36-38
• 3.1.2 经典通用细胞神经网络模型38-39
• 3.1.3 多重嵌套通用细胞神经网络模型39-40
• 3.2 经典通用细胞神经网络电路仿真与分析40-50
• 3.2.1 两输入“异或”与“同或”门分析及电路设计40-41
• 3.2.2 一位全加器的经典通用细胞神经网络电路设计41-48
• 3.2.3 一位全加器的逻辑电路设计对比分析48-50
• 3.3 多重嵌套通用细胞神经网络电路设计50-53
• 3.3.1 多重嵌套通用细胞神经网络判别函数设计50-52
• 3.3.2 多重嵌套通用细胞神经网络与经典通用细胞神经网络电路设计分析对比52-53
• 3.4 本章小结53-54
• 第四章 基于细胞神经网络的进化电路设计54-71
• 4.1 进化电路设计算法54-58
• 4.1.1 进化电路设计原理54-55
• 4.1.2 遗传算法原理55-58
• 4.2 种群个体基因库设计58-59
• 4.3 基本遗传算法用于进化电路设计59-62
• 4.3.1 电路个体的编码规则59-60
• 4.3.2 个体适应度评价策略和输出端的选取60-61
• 4.3.3 个体的交叉和变异策略61
• 4.3.4 算法实现流程61-62
• 4.4 改进遗传算法用于进化电路设计62-63
• 4.4.1 选择算子的改进62
• 4.4.2 交叉算子的改进62-63
• 4.4.3 变异算子的改进63
• 4.5 实验结果分析63-70
• 4.5.1 遗传算法测试对比实验63-67
• 4.5.2 进化一位全加器67-68
• 4.5.3 进化两位乘法器68-70
• 4.6 本章小结70-71
• 第五章 总结与展望71-73
• 5.1 全文总结71
• 5.2 本文的主要工作71-72
• 5.3 工作展望72-73
• 参考文献73-77
• 致谢77-78
• 在学期间的研究成果及发表的学术论文78

【参考文献】

中国期刊全文数据库 前8条

1 梁兴建;詹志辉;谭伟;彭建新;;基于最优保留策略的改进遗传算法[J];计算机工程与设计;2014年11期

2 刘砚一;刘文波;袁晓征;;细胞神经网络实现时钟边沿可控双边沿D触发器[J];北京邮电大学学报;2013年05期

3 刘全;王晓燕;傅启明;张永刚;章晓芳;;双精英协同进化遗传算法[J];软件学报;2012年04期

4 张超群;郑建国;钱洁;;遗传算法编码方案比较[J];计算机应用研究;2011年03期

5 张京钊;江涛;;改进的自适应遗传算法[J];计算机工程与应用;2010年11期

6 曹道友;程家兴;;基于改进的选择算子和交叉算子的遗传算法[J];计算机技术与发展;2010年02期

7 陈友文;;一种改进选择算子和基于小生境的遗传算法[J];计算机与数字工程;2009年06期

8 李晨;宁红云;;改进的遗传算法选择算子[J];天津理工大学学报;2008年06期

中国博士学位论文全文数据库 前1条

1 杜蛟;布尔函数相关数学问题的研究[D];北京邮电大学;2013年

，

本文编号：665829