资源描述：
《人工神经网络在ARM平台上的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、人工神经网络在ARM平台上的应用引言人工神经网络ANN(ArtificialNeuralNetwork)是在对人脑组织结构和运行机制的认识理解基础之上,模拟其结构和智能行为的一种工程系统。作为一门多学科、综合性的研究领域,于20世纪80年代初复兴以来,在全世界掀起了一股空前广泛的研究热潮。目前,人工神经网络已被广泛应用于各个领域,包括商业及经济估算、自动检测和监视、计算机视觉、语音处理、机器人及自动控制、优化ARM/ANN/BP网络/人工神经网络问题、航空航天、银行金融业和工业生产等。多数情况下,人工神经网络都是在内存大、运算快的计算机上应用。这是因为人工
2、神经网络一般都要先针对特定的问题进行学习训练;而学习训练运算量相当大,往往会花费很长的时间（几小时、几天甚至更长时间）,并且嵌入式系统中的内存大小和通用微处理器处理速度都无法与计算机相比,所以要照搬计算机的处理方法会花费更长的时间。这一点就限制了人工神经网络在时效性要求较高的嵌入式系统中应用。事实上,人工神经网络技术很早就在嵌入式系统中得到了应用,但大多都是针对特定的问题在专用的芯片中应用,而通用芯片却达不到要求。当然,也有专业的神经网络芯片,但价格较贵,不能满足成本要求。针对这个矛盾,提出一种在ARM芯片上应用神经网络技术的方案。32位的ARM（Adva
3、nceRISCMachines）微处理器,以其低成本、低功耗、高性能的特点在嵌入式领域被广泛使用。本方案已经在Motorola公司的龙珠MC9328MX1（ARM920T）上成功实现。该方案能在ARM/ANN/BP网络/人工神经网络不增加硬件成本的基础上,仅通过软件编写,就能把神经网络建立在嵌入式系统上,并且快速高效地发挥神经网络的作用。1人工神经网络介绍人工神经网络是根据人们对生物神经网络的研究成果设计出来的,由一系列的神经元及相应的连接构成,具有良好的数学描述;不仅可以用适当的电子线路来实现,更可以方便地用计算机程序加以模拟。早在20世纪40年代初期,
4、心理学家McCulloch、数学家Pitts就提出了人工神经网络的第一个数学ARM/ANN/BP网络/人工神经网络模型,从此开创了神经科学理论的研究时代。其后,学者们又先后提出了感知器网络、BP网络、自组织网络、Hopfiled网络、Elman网络等各种模型,目前已有200多种网络模型,十几种常用算法,使得人工神经网络技术得以蓬勃发展。它的应用领域也十分广阔,特别是在信息、汽车、军事、化学、水利等工程领域,神经网络的作用越来越显著。1．1人工神经网络的特点人工神经网络在结构上并行处理、分布式存储,因此运算速度快,具有较理想的容错性;同时ARM/ANN/BP
5、网络/人工神经网络还具有自学习、自组织、自适应能力。它是由大量的神经元广泛互连而成的系统,这个结构特点决定着人工神经网络具有高速信息处理的能力。人工神经网络的知识存储容量很大。在神经网络中,知识与信息的存储表现为神经元之间分布式的物理联系。它分散地表示和存储于整个网络内的各神经元及其连线上。每个神经元及其连线只表示一部分信息,而不是一个完整的具体概念。只有通过各神经元的分布式综合效果才能表达出特定的概念和知识。由于人工神经网络中神经元个数众多以及整个网络存储信息容量的巨大,使得它具有很强的不确定性信息处理能力。即使输入信息不完全、不准确或模糊不清,神经网络
6、仍然能够联想思维存在于记忆中的事物的完整图像。只要输入的模式接近于训练样本,系统就能通过联想记忆给出正确的推理结论。正是因为人工神经网络的结构特点和其信息存储的分布式特点,使得它相对于其他的判断识别系统,如专家系统等,具有另一个显著的优点——健壮性。生物神经网络不会因为个别神经元的损失而失去对原有模式的记忆。最有力的证明是,当一个人的大脑因意外事故受轻微损伤之后,并不会ARM/ANN/BP网络/人工神经网络失去原有事物的全部记忆。人工神经网络也有类似的情况。因某些原因,无论是网络的硬件实现还是软件实现中的某个或某些神经元失效,整个网络仍然能继续工作。人工神
7、经网络同现行的计算机不同,是一种非线性的处理单元。只有当神经元对所有的输入信号的综合处理结果超过某一门限值后才输出一个信号,因此神经网络是一种具有高度非线性的超大规模连续时间动力学系统。它突破了传统的以线性处理为基础的数字电子计算机的局限,标志着人类智能信息处理能力和模拟人脑智能行为能力的一大飞跃。1．2人工神经网络的基本功能（1）联想记忆可以从不完整的信息和噪声干扰中恢复原始的完整信息,并对从未遇到过的新情况能根据以往的经验作出合理的分析和判断。这一能力使其在图像复原、图像和语音处理、模式识别、分类等方面具有巨大的应用价值。（2）非线性映射可以用独特的方
8、式对很复杂的非线性问题作分析、归纳和表述,并作出合适的处理。（3）
