神经网络与神经计算机 第五讲 光神经计算机

<正> 光神经计算机的研究指的是利用光物理学和光技术,研究神经网络的基本原理,并探讨采用光学器件或光电混合器件实现神经网络硬件系统的方法。本讲先讨论神经网络和光物理学、光技术的关系,以及由此引出的光神经计算机的特征,然后介绍光神经计算机系统的基本结构,以及用光技术实现联想、学习等高级功能的基本原理和基本方法。最后简单介绍光神经计算机的发展前景。     

神经网络与神经计算机

脑科学和神经系统的研究已经有很长的历史。长期以来,人们一直梦想着通过对神经系统的研究,发明一种仿效人脑信息处理模式的智能式计算机。自从四十年代冯·诺曼发明基于串行符号处理的数字电子计算机以来,虽然获得了巨大的成功,但在诸如模式识别、人工智能等方面都碰到极大的困难,促使人们以更大的兴趣去研究并行处理模式为特征的神经计算学。八十年代初,在美国、日本和欧洲,都掀起一股神经网络理论和神经计算机的研究热潮。各个先进国家都相继给出巨大的投资,制定出强化研究计划、开展对脑功能和新型智能计算机的研究。并着重将神经网络原理应用于图象处理、模式识别、语音综合及智能机器人控制等领域。目前,有关神经网络的研究机构,遍及美国各大学、公司及国防、宇航的研究部门。1987年6月在美国召开第一届神经网络国际会议、并发起成立国际神经网络学会(INNS)。之后,以IBM 公司、Bell 研究所和日本的富士通、NEC 等大公司,纷纷研制各种神经芯片、相继推出各种软件、硬件产品。为神经计算机的实现,迈出了第一步。神经网络的主要特征是:大规模的并行处理和分布式的信息存贮,良好的自适应性、自组织性。并且具有很强的学习功能、联想功能和容错功能。通过神经网络的研究,将对探索更加完善的智能计算机系统和相应的人工智能技术,开辟新的途径。目前,国外神经网络的研究热潮仍方兴未艾。为了向读者系统地介绍有关神经网络和神经计算机的基本理论、学习算法和应用技术。特开辟这个专题讲座。本讲座共分八讲。第一讲:神经网络模型。第二讲:神经网络的学习算法。第三讲:神经器件。第四讲:神经计算机。第五讲:光神经计算机。第六讲:神经网络在视觉信息处理中的应用。第七讲:神经网络在模式识别中的应用。第八讲:神经网络在机器人控制中的应用。     

类脑神经网络与神经形态器件及其电路综述

为了系统地了解类脑神经网络电路,在对类脑神经网络进行简要介绍的基础之上,重点阐述两种类别的神经形态器件及功能,包括不同类型的浮栅管和不同工艺材料的忆阻器来模拟单个神经元和突触可塑性功能;然后,以神经形态器件为基础,分别介绍了基于浮栅管和忆阻器实现神经网络电路;最后总结当前神经形态器件及类脑神经网络芯片存在的问题,并对有关类脑计算研究方向进行了展望.     

论并行神经计算机系统设计的一些问题

神经计算机的研究是神经网络研究中的一项重要内容,神经计算机就是指根据神经网络结及其计算特点,用电子器件、光学器件或分子/化学器件而构成的计算系统.神经计算机的研究主集中在两个方面,即器件研究及系统构造.神经计算机的研究也称为神经网络实现技术的研究。     

电子神经计算机的设计与实现

人工神经网络的研究已成为八十年代多门学科的核心课题。本文首先讨论了电子神经计算机的设计方法。然后通过已商品化的人工神经计算机系统MARK Ⅱ,Ⅲ,Ⅳ;ANZA以及DELTA/SIGMA神经计算机协处理器来说明其实现策略。最后,我们对与神经网络计算机的设计与实现的有关问题作了进一步的讨论。     

自适应时间延迟估计的原理和应用

本讲座介绍自适应时间延迟估计的原理和应用，共分六讲：第一讲给出了时间延迟估计的基本概念和几种常用的；第二讲着重讨论ＬＭＳ自适应时延估计器的在理及实现，第三讲研究低信噪比下的自适应时延估计问题，第四讲介绍自适应时延估计中的抗干所结构及时变环境下的处理方法；第五讲专门户讨论多途多源情况下的时延估计；六讲介绍时延估算技术在地下管道泄检测，运动物体一速度测量，流体的流速量测量及在军事领域中的应用。     

一种神经信号压缩感知检测方法

针对无线传感器在神经信号检测领域需要低功耗设计的需求,设计了一种利用压缩感知方法对含动作电位的神经信号进行分段压缩的方法。首先,通过构造冗余字典,实现了对原始神经信号的稀疏化表征;然后构建了测量矩阵,实现了对原始神经信号的压缩;最后,利用稀疏分解算法,实现了对原始神经信号的重构。利用测量到的大鼠脑部神经信号对设计的方法进行实验测试,结果表明,在压缩比为10：1及以下的情况下,可以实现对含动作电位的神经信号的分段压缩和可靠重构。     

神经处理器

神经计算的概念模型及其信息处理机制的实质;结合几个实例,论述了神经处理器的几种不同开发途径及其基本设计思想;同时结合实例讨论了神经处理器的应用范围及前景,特别强调了从神经计算基本特点出发,最好是和符号计算有机地结合起来;最后给出几点结论.     

Xilinx隆重推出Virtex-5 FXT FPGA为高性能处理和高速串行I/O设计提供终极系统集成平台

<正>65nm Virtex-5系列FPGA第四款平台集成了PowerPC440处理器模块、GTX高速收发器,以及超过190GMACs的DSP性能全球可编程逻辑解决方案领导厂商赛灵思公司(Xilinx,Inc.(NASDAQ:XLNX))近日宣布推出Virtex-5FXT器件。这些FPGA器件在业界率先集成了嵌入式PowerPC440处理器模块、高速RocketIOTMGTX收发器和专用XtremeDSPTM处理能力。作为65nmVirtex-5系列的第四款平台,Virtex-5FXT提供了极高的性能,还可帮助设计人65nmVirtex-5系列FPGA第四款平台集成了PowerPC440处理器模块、GTX高速收发器,以及超过190GMACs的DSP性能     

实现异步FIFO的一种方法

FIFO（先入先出寄存器）是一种常用的电路器件，用可编程器件进行项目开发时，可以将FIFO器件集成进去，从而避免了用专用FIFO芯片所带来的诸多不便，在大多数参考资料中，常用数组的描述方法来编写VHDL语言，但由于其在综合时耗用大量的寄存器，所以是不可行的，本文利用XILINX FPGA器件中的RAM结构，提出了一种高效率实现异步FIFO的方法。     

基于CPLD的雷达脉冲发生器的设计

雷达脉冲发生器作为一种专用的数字信号发生器,在雷达探测和测距方面有重要的应用.面对日益复杂的需求,系统设计人员往往需要定制或者设计自己的数字信号发生器.简要介绍了复杂可编程器件的开发流程,重点讨论了雷达脉冲发生器的模块化设计思路及具体实现方法,给出了仿真结果,叙述了Windows环境下驱动程序和应用程序的实现过程.实践证明开发过程快速有效.     

可编程逻辑器件的VHDL语言优化设计方法

叙述了可编程逻辑器件的VHDL语言典型设计流程,详细讨论了几种可更好地利用可编程逻辑器件实现特定逻辑功能以及提高器件利用率的VHDL优化设计方法。     

HC02解码器系统设计

解码器是数字通讯系统中必不可少的器件之一。HC02解码器是一种数字寻呼器产品中的一块专用集成电路芯片,它是整个系统中的核心器件。本文将讨论HC02的基本结构,外部特性,功能框图以及各主要电路模块的功能     

生物神经信号采集与模式识别

研究并实现了生物神经信号实时采集和分析系统,其集生物信号采集、模式识别、反馈控制于一体;设计了交替缓冲方法实现采集和存储的数据共享;提出了多速率压缩算法以实时分析采集信号的特征;给出了生物神经信号的模式识别的准则。该系统已在生物神经信号采集中得到实际应用。     

汇编语言程序设计系列讲座（四）

第四讲 汇编语言程序举例 本讲介绍两个实例:一个实例是显示器工作在字符方式下,多字节乘法;另一个实例是显示器工作在图形方式下,画一个彩色的点。 实例1 要求采用快速的方法,编程实现无限长数的乘法     

课件资源的获取

在信息技术与学科教学整合大力倡导的今天,学科教师掌握信息技术并将它们应用于自己的教学过程,利用素材和微教学单元制作网络课件已成趋势。如何有效地获取教学素材?如何创建没有而又急需的微教学单元?如何快捷地搭建供学生探索知识和协作学习的课件?如何提供师生和生生间实现时间、空间的无障碍交流的平台?这些都是教师们迫切需要解决的问题。从本期开始,本刊将分四讲分别介绍解决上述问题的方法。第一讲:课件资源的获取;第二讲:Flash应用基础;第三讲:Flash学科案例;第四讲:网络课件的拼装。     

FPGA和EPLD应用领域的研究

现场可编程门阵列(FPGA)和可擦可编程逻辑器件(EPLD)是自可编程逻辑器件(PLD)问世以来的第四代产品,这种半定制逻辑电路使得人们在实验室里就可以设计出大规模专用集成电路(ASIC).本文将对FPGA和EPLD的结构特点进行分析,指出两者之间的不同,并探讨其各自的应用领域.     

一种神经模糊数据分类方法及其应用

近年来．数据挖掘技术已成为国内外研究热点．而数据分类是数据挖掘中最重要的任务之一。本文介绍了一种神经模糊数据分类方法NEFCLASS模型,它通过从数据学习得到模糊分类规则．产生具有良好解释性的分类结果,分析了它的结构、学习算法和修减策略．还讨论了它的实现工具和应用。     

JPEG2000的近距离无线视频传输系统设计

采用现有的3G移动通信网络来实现无线视频传输的方法适合远距离使用,在近距离时使用这种传输方式不仅费用高,而且带宽得不到保证。针对以上问题设计了一种近距离无线视频传输系统。系统采用专用的JPEG2000视频压缩器件ADV212来实现视频压缩;基于多外部接口和低功耗的考虑,选用Cortex-M3内核的嵌入式处理器LPC1768对整个系统进行控制;无线传输采用nRF24LU1+来实现。     

周围神经MicroCT图像中神经束轮廓获取

目的 采用不同染色方法获得的周围神经标本经过MicroCT扫描后,会获得不同效果的神经断层扫描图像。本文针对饱和氯化钙染色、无染色方法获得的两种周围神经MicroCT图像,提出一种通用的方法,实现不同染色方法获得的周围神经MicroCT图像在统一架构下的神经束轮廓获取。方法 首先设计通用方法架构,构建图像数据集,完成图像标注、分组等关键性的准备环节。然后将迁移学习算法与蒙皮区域卷积神经网络（mask R-CNN）算法结合起来,设计通用方法中的识别模型。最后设计多组实验,采用不同分组的图像数据集对通用方法进行训练、测试,以验证通用方法的效果。结果 通用方法对不同分组的图像数据集的神经束轮廓获取准确率均超过95%,交并比均在86%以上,检测时间均小于0.06 s。此外,对于神经束轮廓信息较复杂的图像数据集,迁移学习结合mask R-CNN的识别模型与纯mask R-CNN的识别模型相比较,准确率和交并比分别提高了5.5% 9.8%和2.4% 3.2%。结论 实验结果表明,针对不同染色方法获得的周围神经MicroCT图像,采用本文方法可以准确、快速、全自动获取得到神经束轮廓。此外,经过迁移后的mask R-CNN能显著提高神经束轮廓获取的准确性和鲁棒性。