基于FPGA的稀疏卷积神经网络加速器设计

剪枝是一种减少卷积神经网络权重和计算量的有效方法,为CNN的高效部署提供了解决方案。但是,剪枝后的稀疏CNN中权重的不规则分布使硬件计算单元之间的计算负载各不相同,降低了硬件的计算效率。文章提出一种细粒度的CNN模型剪枝方法,该方法根据硬件加速器的架构将整体权重分成若干个局部权重组,并分别对每一组局部权重进行独立剪枝,得到的稀疏CNN在加速器上实现了计算负载平衡。此外,设计一种具有高效PE结构和稀疏度可配置的稀疏CNN加速器并在FPGA上实现,该加速器的高效PE结构提升了乘法器的吞吐率,同时可配置性使其可灵活地适应不同稀疏度的CNN计算。实验结果表明,提出的剪枝算法可将CNN的权重参数减少50%～70%,同时精度损失不到3%。相比于密集型加速器,提出的加速器最高可实现3.65倍的加速比;与其他的稀疏型加速器研究相比,本研究的加速器在硬件效率上提升28%～167%。     

基于三值神经网络的组合电路测试生成算法

针对集成电路的规模和复杂度不断增加而相应的测试却越来越困难的问题,本文提出了一种基于三值神经网络的组合电路测试生成算法：该算法不需要传播,也不需要回退,而是利用三值神经网络把组合电路表示成双向的神经网络,并构造网络的能量函数,用遗传算法求解能量函数的最小值点来求得测试矢量,这样就把组合电路的测试生成问题转化为数学问题：...     

基于双神经网络的模拟电路故障诊断

对模拟电路故障诊断提出了一种双神经网络的诊断方法,该方法通过将电路故障模式分类的预处理,再用双神经网络分别对不同的故障模式类进行诊断.仿真实验表明,该方法能够实现故障检测及定位,具有准确率高的特点.     

组合逻辑电路设计基础

所以 ,译码逻辑电路如图 10 .4所示。整机电路图如图 10 .5所示。　　图中 UT1～ UT3 基极所接二极管 D1～ D3 和电容 C3～ C5,可使译码器输出信号 C1～ C3 由 0变 1时 ,通过积分电路稍作延时后驱动继电器 J1～ J3 ;而在译码器输出信号 C1～ C3 由 1变 0时 ,电容 C3 ～ C5的电压通过 D1～D3 迅速放电 ,使 J1～ J3 尽快复位 ,从防止两继电器同时吸合。1 1　常用集成组合逻辑电路一些常用的组合逻辑 ,如编码器、译码器、数据分配器、数据选择器、加法器、数值比较器等 ,可以如前所述。根据逻辑要求 ,列出真值表 ,整理化简得到相应的表…     

一种基于多神经网络的组合负荷预测模型

针对BP神经网络、RBF神经网络和小波神经网络应用于负荷预测时所遇到的问题,提出了一种基于各种神经网络的组合预测模型。该模型为单输出的3层神经网络,即将3种神经网络的预测结果作为神经网络的输入,将实际负荷值作为神经网络的输出,使训练后的网络具有预测能力。该模型能降低单个神经网络的预测风险,提高预测精度。仿真结果表明,所提出的组合预测模型的精度高于其中任一单一网络模型,也高于传统的线性组合预测模型。     

组合逻辑电路设计基础

9　用门电路设计组合逻辑电路　　组合逻辑电路的设计方法及设计程序如图 9.1所示。图　 9.1例 9.1,试设计一个 4 / 2编码器 ,其输入为 I0 、I1、I2 、I3 ,互相排斥 ,高电平有效 ;其输出为 A、B组成的二进制数码 ,A为高位。解 :由于输入排斥 ,即任一时刻只能而且必须有一个输入端有效 ,根据题意列出该编码器的逻辑真值表 ,如表 9.1所示。表 9.1I0 I1I2 I3 AB10000100001000010 00 11011A=I2 + I3B=I1+ I3若用公式法 ,只要将输出变量 A、B分别为 1的输入变量直接进行逻辑或 ,即可得到与或表达式 :A=I2 + I3B=I1+ I3　　例 9.1式可…     

基于FPGA的UART电路的设计

本文分析了通用异步收发器(UART)的功能特点。利用FPGA设计实现了UART的核心功能,包括波特率发生模块、发送模块和接收模块,并给出了仿真结果。程序下载到FPGA芯片中,通信数据完全正确。该设计不仅实现了异步通讯的主要功能,而且电路简单,工作稳定、可靠,可以将其灵活地嵌入到各个通信系统中。     

基于BP神经网络的模拟电路故障诊断研究

在简要介绍标准BP神经网络基本原理的基础上。详细说明了基于改进BP神经网络算法的模拟电路故障诊断方法和设计步骤，根据网络总误差来自适应调节网络的学习率，加速网络的收敛过程。此算法应用于电路的故障诊断，能够对被测电路的故障进行有效并且精确的分类。以折线式有效值测量电路为例，设计了基于改进BP神经网络算法的模拟电路故障诊断系统，以实际测试数据作为训练样本进行学习训练后，对其它实际测量数据进行诊断，结果正确，验证了算法的有效性。     

基于神经网络的模拟电路故障诊断法

基于反传神经网络,本文提出了一种模拟电路故障诊断的新方法。这一方法较好地解决了单一硬故障字典法在计算机内存和速度要求以及处理容差和噪声方面存在的问题,为模拟电路的故障诊断在线应用提供了一种新的可行途径。     

基于RBF神经网络的电路诊断研究

电路系统在工业控制中起着极其重要的作用,随着电路越来越复杂,各电路各节点间的关系呈非线性关系,若节点发生故障,如何确定故障发生在何处成为一大难题。提出利用RBF(Radical Basis Function)神经网络可以快速地逼近任意非线性函数,且有很好的分类能力等特点,来实现对电路系统的故障分类。通过实例分析RBF可以很精确地确定电路网络中的故障来源,同时通过与BP算法比较,说明RBF在对电路故障诊断能力方面的优越性。     

基于卷积神经网络算法的高压断路器故障诊断

传统的高压断路器故障诊断方法太过于依赖经验,不能准确地反映特征量和故障模式之间的关系,诊断准确度不高。针对这个问题,采用卷积神经网络算法进行高压断路器故障诊断,结合高压断路器分合闸线圈电流特点建立诊断模型,通过输入零点故障特征参数进行学习训练,得到相应故障类型输出。仿真结果表明,所提算法的整体准确率高达93.68%,与其他基于神经网络的算法相比具有很大的优势。     

基于BCL-ASA-BP神经网络的模拟电路板芯片故障诊断

针对模拟电路板芯片故障界定标准不明确和实现快速、准确分类困难的问题,本文提出了一种基于双元卷积Logistic原子搜索算法(Binary Convolution Logistic-Atom Search Algorithm,BCL-ASA)优化BP神经网络(BCL-ASA-BP)的故障诊断模型。首先,对电路板芯片不同状态下的温度进行采集和特征提取,并采用欧氏距离对特征进行融合,建立含有芯片故障界定标准的故障特征模型。接着,利用双元卷积Logistic映射初始化原子搜索算法的种群规模和位置,提高收敛速度和精度。然后,通过BCL-ASA优化BP神经网络寻优过程,获得最优权值和阈值。最后,将芯片故障特征模型输入到BCL-ASA-BP神经网络中进行训练和测试,完成电路板芯片故障诊断。实验采用电源电路板进行可靠性分析,结果表明,BCL-ASA-BP对芯片故障综合诊断准确率可达98.35%,较传统BP算法提升13.9%。     

基于小波神经网络的可更换电路单元故障诊断

文章提出了一种基于小波神经网络的模拟电路故障诊断方法。这种方法采用正弦信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,将自适应学习率及附加动量BP算法训练后的小波神经网络应用于某装备可更换电路单元故障诊断中。仿真试验表明,该方法减少了故障诊断时间和提高了网络的平均诊断正确率。     

一种基于小波神经网络的模拟电路故障诊断方法

本文针对模拟电路提出了1种新的基于紧致型小波神经网络的故障诊断方法。该方法首先利用小波变换和主成分分析对故障信号进行预处理,然后用处理后的故障特征数据对小波神经网络进行训练和测试。仿真实验表明,该方法比普通神经网络方法训练速度更快,诊断准确率更高。     

粗糙集与神经网络结合的矢量量化图像编码方法

通过对Konhonen自组织神经网络设计矢量量化码书的分析研究,提出了一种基于粗糙集理论分类的神经网络图像压缩编码方法.利用粗糙集理论的强大的定性分析能力,结合图像块样本的时域、频域特性对其进行分类,并在分类能力不变的情况下,通过知识约简,去除冗余的属性,导出问题的分类规则,从而得到更好的分类图象压缩编码效果.     

多层SPDS神经网络式电流保护

提出了一种基于SPDS神经网络的全新的电流保护方式。该网络采用的是3层SPDS神经网络模型，由三部分构成：故障类型与相别判断子网络ANN1、故障方向判别子网络ANN2、振荡识别子网络ANN3。通过大量的Matlab和EMTP仿真实验，对该模型进行了各种故障状态的训练和测试，并与BP网络进行比较，发现SPDS网络训练速度快，且证实了基于SPDS网络的电流保护的可行性。     

模糊逻辑与神经网络的蓄电池容量预测

蓄电池容量预估的精度由于受到诸多因素的影响而难以让人满意。由于仅通过电池开路电压这一物理量即可与剩余容量建立一一对应关系,基于这种思想,文章在对某型号锂离子蓄电池大量实验的基础上,提取压降变化与剩余容量、电流、温度的一般规律,并通过模糊逻辑控制与神经网络技术手段实现了对蓄电池剩余容量的较准确预估。仿真及实验验证了该系统的有效性。     

神经网络模糊直接转矩控制在感应电机中的应用研究

针对感应电机直接转矩控制中存在较大转矩脉动的特点,提出基于神经网络与模糊逻辑的感应电机直接转矩控制策略,用训练好的神经网络建立定子磁链观测器,将模糊控制算法引入逆变器状态开关选择器,通过对转矩误差、定子磁链误差和磁链位置角的模糊分级来实现逆变器开关的分级控制。仿真及实验结果表明,与常规DTC相比,该控制方法转矩、转速、磁链响应速度快、响应脉动小,具有良好的稳态跟踪性能和优异的动态响应。     

基于FPGA和BP神经网络的电池管理系统设计

在研究锂电池动态性能的基础上,通过大量数据仿真和实际数据测量及修正,设计了电动汽车电池管理系统。基于FPGA内核,采用SOPC嵌入式系统技术,移植UC/OS-II嵌入式实时操作系统,实现了对电动汽车锂电池数据采集、数据通信、均衡管理和自动保护等功能。结合电池实时电压和电流,采用BP神经网络对电池荷电状态(SOC)及健康状态(SOH)进行准确估算,为电动汽车运行提供了监控措施和安全保障。