10.16652/j.issn.1004-373x.2016.15.029
一种自适应训练的BP神经网络FPGA设计
为解决软件实现神经网络存在并行度不高、速度慢的缺点以及传统神经网络硬件设计资源利用高、网络训练不可控的不足,提出了一种新的BP神经网络FPGA设计方法。该方法通过基于对称性的分段线性拟合和非线性拟合实现Sigmoid激励函数和利用有限状态机实现基于误差的训练次数自适应。应用Verilog HDL语言设计1?3?1三层BP神经网络逼近y=cos x函数,网络的资源占用为2756 LEs,训练次数为1583次,网络测试样本的平均相对误差为0.6%,最高时钟频率为82.3 MHz。验证结果表明该方法设计的神经网络资源占用少,网络训练可自动控制,同时还具有精度高,运行速度快的优点。
FPGA、BP神经网络、线性拟合、非线性拟合、自适应训练
39
TN702.2-34;TP183(基本电子电路)
国家自然科学基金61204096,61404094,61574102;湖北省科技支撑计划2015CFB536
2016-08-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
115-118