1、神經(jīng)網(wǎng)絡是智能信息處理的主要技術之一，它所具備的獨特知識表示結構和信息處理的原則，使其在許多應用領域取得了顯著的進展，如模式識別、函數(shù)逼近、智能控制和復雜信號處理等傳統(tǒng)計算機極難求解的問題。 神經(jīng)網(wǎng)絡計算有其自身非常鮮明的特點：大量、并行的乘加運算，超越函數(shù)的運算，網(wǎng)絡結構和權重的可在線配置。這些特點使得神經(jīng)網(wǎng)絡計算非常龐大和復雜，需要消耗大量的計算資源，傳統(tǒng)上一般采用計算機對數(shù)據(jù)進行離線處理和分析，這種數(shù)據(jù)處理方式在很大程度上

2、限制了神經(jīng)網(wǎng)絡在實時系統(tǒng)中的應用。 本論文討論了使用FPGA實現(xiàn)神經(jīng)網(wǎng)絡實時計算的關鍵技術。在對神經(jīng)網(wǎng)絡充分研究的基礎上，根據(jù)神經(jīng)網(wǎng)絡計算的特點分析了多種可行的硬件算法，選擇并行分布式算法和CORDIC算法，使用Verilog語言描述了一個用于函數(shù)逼近的多層感知器網(wǎng)絡，并對算法和該實現(xiàn)的速度、精度、資源消耗和可擴展性進行了詳細的分析和討論。論文的主要內(nèi)容包括以下六個章節(jié)： 第一章緒論，簡單介紹了神經(jīng)網(wǎng)絡的軟件仿真實現(xiàn)方法

3、和硬件實時計算方法，闡述了實時計算對神經(jīng)網(wǎng)絡應用的意義，探討了現(xiàn)場可編程門陣列(FPGA)技術在神經(jīng)網(wǎng)絡實時計算方面的應用。 第二章對神經(jīng)網(wǎng)絡的基本原理進行描述。主要介紹了神經(jīng)網(wǎng)絡的基本概念，神經(jīng)網(wǎng)絡的基本組成單元——神經(jīng)元模型，神經(jīng)元模型運算的特點，以及構筑于神經(jīng)元模型上的三種基本網(wǎng)絡結構。最后簡單介紹了神經(jīng)網(wǎng)絡的學習過程，學習任務，泛化和應用。 第三章分析了兩個典型的神經(jīng)網(wǎng)絡計算的FPGA實現(xiàn)：用于模式識別的GANG

4、LION網(wǎng)絡和使用CORDIC算法實現(xiàn)激活函數(shù)運算的RBNN網(wǎng)絡。重點分析了上述網(wǎng)絡所采用的易于FPGA實現(xiàn)的算法和資源消耗情況。 第四章詳細介紹了RNS算法，Piecewise算法等適合硬件實現(xiàn)的先進算法，對它們的優(yōu)缺點進行了系統(tǒng)的分析，對其在神經(jīng)網(wǎng)絡中的應用進行了探討；本章還討論了FPGA技術的最近進展，指出FPGA技術的不斷發(fā)展為神經(jīng)網(wǎng)絡的實時計算提供了更廣闊的空間。 第五章詳細介紹了按照神經(jīng)網(wǎng)絡理論構造的用于函數(shù)

5、逼近的多層感知器網(wǎng)絡——PIONEER，給出了網(wǎng)絡的Verilog語言描述，討論了實現(xiàn)網(wǎng)絡計算所采用的關鍵算法：并行分布式算法和CORDIC算法。 第六章通過Matlab仿真運算，研究了算法的參數(shù)選擇對輸出結果精度的影響，以及對整個網(wǎng)絡性能的影響。對比了網(wǎng)絡的Verilog描述在Modelsim平臺，實際硬件平臺的運行結果同Matlab實現(xiàn)的精確網(wǎng)絡的差別，分析了網(wǎng)絡HDL描述的性能。 第七章總結和展望，在總結論文工作的