人工神经网络原理教学课件作者马锐第9章节课件

《人工神经网络原理教学课件作者马锐第9章节课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第9章人工神经网络的实现目录9.1神经网络实现技术概述9.2神经网络的虚拟实现9.3神经网络的物理实现9.1神经网络实现技术概述(1)神经网络实现程度零级实现：未涉及神经网络的具体实现，神经网络仅存在于理论模型一级实现：仅限于在冯·诺依曼体系结构计算机上采用软件模拟方式实现二级实现：用p个物理处理单元实现由n个神经元组成的网络，其中0

2、础上，有效地将各种功能部件组织起来以最大程度地支持神经网络的仿真采用软件增加了实现的通用性和灵活性传统计算机上的软件模拟神经网络并行多机系统神经计算加速器9.1神经网络实现技术概述(3)基于直接硬器件的物理实现(全硬件实现)物理处理单元及处理单元之间的通信与具体问题的神经网络模型中的神经元及连接一一对应，每一个神经元及每个一连接都有与之相对应的物理器件优点处理速度快，易于满足实时性要求，缺点缺乏通用性、灵活性和可编程性9.1神经网络实现技术概述(4)9.2神经网络的虚拟实现9.2.1基于传统计算机的软件模拟9.2.2神经网络并行多机系统9.2

3、.3神经计算加速器9.2.1基于传统计算机的软件模拟在通用计算机上使用任意一种高级语言（例如C/C++语言）模拟实现一个特定的神经网络模型人工进行编码，能够对神经计算过程进行深入细致地描述，并实施灵活的控制通用的神经网络模型库有一些事先建立好的神经网络模型，研究人员从中选择适合于特定问题的神经网络模型、参数和学习规则进行模拟求解开发支持通用神经网络模拟的神经网络软件开发环境9.2.2神经网络并行多机系统出发点利用多个处理器，使得每个处理器都能够分担部分计算任务，提高运算速度，同时体现神经计算大规模并行的本质特点并行实现神经计算的4个级别神经网

4、络计算级神经计算步骤级神经元计算级微任务计算级9.2.3神经计算加速器神经计算的特点运算集中并行处理存储量巨大神经计算加速器主要面向神经计算特点进行设计，立足于现有计算机技术，能够快速完成乘法和加法运算，能够有效地利用存储器对神经网络的信息进行快速存储和访问9.3神经网络的物理实现9.3.1神经网络的VLSI实现9.3.2神经网络的光学实现9.3.3神经网络的分子实现9.3.1神经网络的VLSI实现神经网络的模拟VLSI实现神经网络的数字VLSI实现神经网络的数模混合VLSI实现9.3.2神经网络的光学实现纯光学方法典型的纯光学器件是全息图，

5、它能够实现按内容寻址的联想记忆纯光学器件虽然可以实现无相互影响的高密度连接，并且具有很好的并行性，但是它却不易实现神经元的非线性转移特性光电混合方法9.3.3神经网络的分子实现分子器件采用电导聚合物等化合物采用生物聚合物及原生蛋白质