基于FPGA的Hopfield神经网络可配置硬件实现方法研究
本文关键词:基于FPGA的Hopfield神经网络可配置硬件实现方法研究,由笔耕文化传播整理发布。
【摘要】:联想记忆是生物体大脑的重要功能。1982年由Hopfield教授提出的单层全互联的反馈网络——Hopfield人工神经网络,被广泛用于大脑联想记忆功能的模拟与研究。对于Hopfield网络的功能实现和应用通常采用基于计算机的软件仿真方法,这种方法不能真正发挥神经网络并行处理、分布存储的特点,以及自适应能力强、鲁棒性强的优势。因此,硬件实现Hopfield神经网络成为研究热点。目前,为了实现大规模的Hopfield网络,硬件实现方法主要是基于超大规模集成电路(VLSI)技术,包括采用模拟电路、数字电路或模/数混合电路设计技术。而基于FPGA的实现方法,由于具有实现方便、价格合理、设计灵活的特点,正在成为Hopfield网络硬件实现的主要方法之一。但现有的Hopfield网络硬件实现方法大多是针对某一具体应用,实现固定网络规模,同时,为了简化设计过程和降低设计难度通常采用定点运算方式,因此,缺少通用性、灵活性,难以实现高性能的人工神经网络。因此,迫切需要一种基于FPGA,能够根据需求灵活改变网络规模和运算精度的、通用的Hopfield神经网络硬件实现方法。本论文提出了一种基于FPGA的Hopfield神经网络可配置的模块化硬件实现方法。首先根据Hopfield神经网络的整体运行过程,将模型模块化;其次,采用硬件描述语言对各模块进行描述,完成模块的数字化,从而形成通用的硬件实现功能模块库;最后,在实际应用时,根据需求通过将各模块组合,就可以构造出所需的Hopfield神经网络硬件。网络的可配置通过设定通用参数完成,在构建网络时,通过传递通用参数,即可完成对网络规模、乘累加器结构和数据位宽的灵活配置。为验证该方法的有效性,本研究将MATLAB与FPGA相结合,构建了用于数字识别的Hopfield神经网络硬件测试系统。测试结果表明,本研究所提出的Hopfield神经网络的硬件实现方法具有灵活的网络规模可配置能力,也具有可以根据实际应用,灵活进行资源占用和运行速度调整的能力。系统运行速度的测试结果表明,相对于软件实现方法,硬件实现的Hopfield网络具有很高的运行速度,可以适合高速、智能信息处理的应用需求。本研究为Hopfield神经网络高级应用提供了新的方法,也可为其他类型人工神经网络的硬件实现提供有价值的借鉴。
【关键词】:联想记忆 Hopfield神经网络 FPGA 可配置 模块化
【学位授予单位】:东北师范大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP183;R338.64
【目录】:
- 摘要3-4
- Abstract4-8
- 1 引言8-21
- 1.1 研究背景8
- 1.2 人工神经网络概述8-13
- 1.2.1 常用人工神经元模型9-10
- 1.2.2 人工神经网络的分类10-13
- 1.3 联想记忆人工神经网络13-17
- 1.3.1 联想记忆13
- 1.3.2 联想记忆人工神经网络模型13-17
- 1.3.3 联想记忆的工作过程17
- 1.4 Hopfield神经网络硬件实现方法研究现状17-19
- 1.5 论文研究意义19-20
- 1.6 论文结构20
- 1.7 本章小结20-21
- 2 Hopfield神经网络模型21-27
- 2.1 网络结构21-22
- 2.2 工作过程22-23
- 2.3 学习算法23-26
- 2.4 本章小结26-27
- 3 Hopfield网络的硬件实现27-55
- 3.1 模块划分27-28
- 3.2 各模块的VHDL描述28-48
- 3.2.1 浮点数设计28-30
- 3.2.2 输入处理模块30
- 3.2.3 学习模块30-34
- 3.2.4 网络连接与突触权值存储模块34-37
- 3.2.5 神经元模块37-47
- 3.2.6 输出处理模块47-48
- 3.3 可配置功能的实现48-50
- 3.3.1 数据位宽可配置实现48-49
- 3.3.2 模块端口可配置实现49
- 3.3.3 神经元模块可配置实现49-50
- 3.4 Hopfield神经网络的FPGA可配置模块化实现50-53
- 3.5 本章小结53-55
- 4 基于FPGA的硬件Hopfield神经网络系统测试55-76
- 4.1 系统整体结构55
- 4.2 系统实现方法55-70
- 4.2.1 上位机界面与功能设计55-60
- 4.2.2 通信串口设计实现60-67
- 4.2.3 下位机功能设计67-68
- 4.2.4 系统运行流程68-70
- 4.3 功能测试70-73
- 4.3.1 64 个神经元的网络的识别结果70-71
- 4.3.2 100 个神经元的网络的识别结果71-73
- 4.3.3 功能测试结果分析73
- 4.4 性能测试73-75
- 4.4.1 64 个神经元的网络性能测试结果74
- 4.4.2 100 个神经元的网络性能测试结果74
- 4.4.3 性能测试结果分析74-75
- 4.4.4 性能测试结论75
- 4.5 本章小结75-76
- 5 结论及展望76-78
- 5.1 论文结论76
- 5.2 论文展望76-78
- 参考文献78-81
- 致谢81-82
- 在学期间公开发表论文及著作情况82
【相似文献】
中国期刊全文数据库 前10条
1 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期
2 钟义信;;神经网络:成就、问题与前景[J];科学;1992年02期
3 莫恭佑;;神经网络及其在英国的应用[J];国际科技交流;1992年03期
4 闵志;;神经网络:使计算机具有快速学习功能[J];国际科技交流;1992年03期
5 冯建峰,钱敏平;神经网络中的退火——非时齐情形[J];北京大学学报(自然科学版);1993年03期
6 唐功友;离散Hopfield神经网络的稳定性[J];青岛海洋大学学报;1994年S2期
7 靳蕃;;中国神经网络学术大会在西南交通大学隆重召开[J];学术动态报道;1996年04期
8 彭宏,张素;带有时滞的神经网络的稳定性[J];杭州大学学报(自然科学版);1997年04期
9 陈新,孙道恒,黄洪钟;结构分析有限元系统与神经网络[J];起重运输机械;1999年06期
10 成宇;神经网络是怎么搭建的?[J];百科知识;2005年16期
中国重要会议论文全文数据库 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国重要报纸全文数据库 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年
7 健康时报特约记者 张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年
9 ;神经网络和模糊逻辑[N];世界金属导报;2002年
10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
中国博士学位论文全文数据库 前10条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年
中国硕士学位论文全文数据库 前10条
1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年
2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年
4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年
5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年
6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年
7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年
8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年
9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年
10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年
本文关键词:基于FPGA的Hopfield神经网络可配置硬件实现方法研究,由笔耕文化传播整理发布。
,本文编号:310173
本文链接:https://www.wllwen.com/yixuelunwen/binglixuelunwen/310173.html