一种自适应训练的bp神经网络fpga设计

一种自适应训练的bp神经网络fpga设计

ID:27597903

大小:70.62 KB

页数:6页

时间:2018-12-05

一种自适应训练的bp神经网络fpga设计_第1页
一种自适应训练的bp神经网络fpga设计_第2页
一种自适应训练的bp神经网络fpga设计_第3页
一种自适应训练的bp神经网络fpga设计_第4页
一种自适应训练的bp神经网络fpga设计_第5页
资源描述:

《一种自适应训练的bp神经网络fpga设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、一种自适应训练的BP神经网络FPGA设计摘要:为解决软件实现祌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VerilogHDL语言设计1?3?1三层BP神经网络逼近[y=cosx]函数,网络的资源占用为2756LEs,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82.3MHz。

2、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。关键词:FPGA;BP神经网络;线性拟合;非线性拟合;自适应训练中图分类号:TN702.2734;TP183文献标识码:A文章编号:10047373X(2016)1570115?04Abstract:Usingsoftwareforneuralnetworkhasthedisadvantagesoflowparallelismandslowspeed,thehardwaredesignresourceutilizati

3、onofthetraditionalneuralnetworkishigh,andthenetworktrainingisuncontrollable.Tosolvetheseproblems,anewFPGA?baseddesignmethodofbackpropagation(BP)neuralnetworkisproposed.ThemethodcanrealizetheSigmoidexcitationfunctionthroughpiecewiselinearfittingandnonlinearfitti

4、ngbasedonsymmetry,andusesthefinitestatemachine(FSM)toaccomplishthetrainingtimesadaptionbasedonerror.TheVerilogHDLlanguageisusedtodesignthe1?3?1BPneuralnetworktoapproximatethefunction[y=cosx.]Theresourceoccupancyofthenetworkis2756LEs,thetrainingtimesare1583,thea

5、veragerelativeerrorofthenetworktestsampleis0.6%,andthemaximumclockfrequencyis82.3MHz.Theverificationresultsshowthattheneuralnetworkdesignedwiththemethodhastheadvantagesoflessresourceoccupancy,highaccuracyandfastrunningspeed,andcancontrolthenetworktrainingautoma

6、tically.Keywords:FPGA;BPneuralnetwork;linearfitting;nonlinearfitting;adaptivetraining0引言人工神经网络(ANNS)[1]通常都是采用基于软件的方法实现。但作为一个并行计算系统,软件实现的方法存在速度慢的缺点,而硬件方式具有高并行性的特点,适合于人工神经网络。FPGA作为一种通用的硬件设计平台,其内部分布式的资源与神经网络的结构非常契合,是一个实现神经网络硬件化设计的良好选择。资源占用是FPGA设计的一个重要考量因素,而网络训练是神经

7、网络功能实现的基础。已有的神经网络硬件设计工作在这两方面还存在巨大的空间。例如,薛维琴等利用FPGA实现了BP神经网络[2],该网络经过训练能够描述非线性函数,但没有提出BP神经网络的激励函数和训练控制模块的具体硬件实现方法。李利歌等提出了直接利用查找表实现神经网络激励函数的方法[3],但是查找表存在占用资源大,运行速度慢的缺点。张海燕等采用基于查找表的STAM法实现神经网络激励函数[4],且文中也没有提到训练控制模块。JavierVails等提出利用CORDIC算法实现神经网络的激励函数[5],资源利用率低,但是存

8、在精度不足的问题。刘培龙利用分段拟合实现激励函数[6],但是激励函数资源占用较多。基于这一现状,本文通过对Sigmoid函数基于对称性分段拟合以及基于误差的训练自适应技术,提出了一种新的神经网络FPGA设计方法。该方法设计的神经网络资源占用少,网络训练自适应,同时还具有精度高,运行速度快的优点。1BP神经网络的FPGA设计根据BP神经网络的结构

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。