神经网络激活函数及其导数的FPGA实现

神经元的激活函数是神经网络的重要组成部分。采用折线斜率为2的次幂的分段线性逼近方法实现激活函数(sigmoid函数)及其导数的映射。该方法在FPGA实现时不需要使用硬件乘法器,而且可以节约大量的RAM单元。由于神经网络的并行计算需要消耗大量的硬件乘法器和RAM,因此,与其他方法相比,该方法为整个神经网络的FPGA实现有效地节省了大量宝贵的FPGA资源,可以较好地应用在BP神经网络的在线训练中。     

基于神经网络的助航灯故障诊断实现

助航灯光尤其是着陆区灯的正常工作保障了飞机的安全着陆。采用灯光巡检方法时，信息需要具有较高的准确性。为此，提出了一种基于神经网络的汇聚节点数据融合方法。应用C语言和Verilog语言编程仿真，并在硬件FPGA中进行验证。通过汇聚节点的数据处理，省去了以往的巡检单元的设计，并对权值处理问题进行了讨论。实验结果表明，用FPGA实现神经网络算法能够提高BP网络学习和分类速度，能有效地进行故障的应急处理。     

一种基于FPGA的神经网络的实现

本文介绍了一种用 FPGA 实现神经网络的方法。它利用 FPGA 器件的可重构计算特性,把BP 算法分成三个执行阶段并顺序配置到 FPGA 中执行。这种方法有效地提高了 FPGA 硬件资源的利用率     

基于SOPC的神经网络方法的软硬协同实现

提出了一种基于SOPC的神经网络的软硬件协同设计的实现方法,该方法以FPGA器件上SOPC为硬件载体,NIOS IP软核处理器为CPU,采用用户自定义指令,在NIOS中利用C语言编写神经网络算法程序,实现神经元细胞中软硬件协同设计浮点数乘积累加操作。整个系统在Altera的cyclone Ⅱ器件上测试,改变以往神经网络采用VHDL语言设计时出现的灵活性较差,不利于新型的神经网络模型移植到FPGA中的劣势。     

基于模块电路结构的BP神经网络及其应用研究

本文采用一种简化的BP(Back Propagation)神经网络硬件模块实现方法。该方法利用全电流模式电路组成神经元模块,再用若干模块构成简化的BP神经网络。所提出的模块结构网络系统具有在线学习和在线权值存储能力,且可应用于实现编、解码和二维图像识别。文中提供了PSPICE和高级语言计算机仿真结果。     

基于FPGA的人工神经网络系统的实现方孩

为了改变人工神经网络的研究仅仅局限于算法.只是在通用的串行或并行计算机上模拟实现的现状,针对函数逼近问题,将BP神经网络的结构分为3个模块,采用VHDL语言完成对各个模块的硬件描述,并使用Alters公司的QuartusII 6.1综合软件进仿真和调试,然后在CycloneII系列FPGA上实现了能够进行片上学习并完成函数逼近的BP神经网络系统.测试结果证明,该系统能够很好地完成在线学习,并能满足一般系统应用的速度和精度的要求,验证了该方法的有效性.     

一种基于FPGA的神经网络的实现

本文介绍了一种用FPGA实现神经网络的方法。它利用FPGA器件的可重构计算特性，把BP算法分成三个执行阶段并顺序配置到FPGA中执行。这种方法有效地提高了FPGA硬件资源的利用率     

基于CPLD的BP神经网络模型的硬件实现

神经网络模型的硬件实现已成为人工智能的一个重要的研究方向,本文提出一种基于CPLD的硬件实现方式,来实现BP三层神经网络模型方法,并对该模型进行了MAX+Plus II仿真验证.     

BP神经网络图像压缩算法乘累加单元的FPGA设计

提出一种基于三层前馈BP神经网络实现图像压缩算法的方案,该方案采用可重载IP核和VHDL代码相结合的设计方式.对方案中重要单元一束累加单元进行了FPGA设计,该模块设计采用流水线处理方式,增大了数据吞吐量,减小了系统延时,提高了时钟频率,并完成了该单元的行为级功能仿真.仿真结果验证了FPGA设计的可行性.     

一种新的基于神经网络的模拟电路故障诊断系统

介绍了基于BP神经网络(BPNN)进行模拟电路故障诊断定位的理论,设计并实现以数字信号处理器(DSP)为核心的故障诊断系统.该系统采用模块化设计,具有扩充方便、高速采样的特点;将采样数据构成故障特征向量,利用BP网络训练这些特征向量并进行故障模式分类,实现模拟电路及PCB故障诊断.并给出了PCB板的故障诊断硬件结构及对单软和双软故障的诊断设计方法.     

混沌动力学系统的神经网络学习控制研究

针对混沌动力学系统建模困难，控制不易实现，存在干扰等特点，在附加动量法的自适应BP网络的基础上，研究了混沌动力学系统的学习控制策略。构建了混沌动力学系统的NN模型和NN控制器，对混沌系统在学习的同时施加控制，仿真实验结果表明，该控制策略具有鲁棒性强，有良好的适应性，网络参数训练时间短等优点。     

基于LMBP神经网络的惯性器件故障预报方法研究

利用Levenberg-Marquardt(L-M)算法优化计算BP权值调整量,将L-M算法与传统的BP网络相结合开发出一种快速收敛的LMBP网络,并在此基础上提出了基于LMBP神经网络的时间序列预测方法。最后利用该方法对某惯性器件进行故障预报,通过仿真实验证明了该方法的有效性。     

基于神经网络的业务量预测研究

分别采用back—propagation（BP）算法和Favidon最小二乘学习算法训练神经网络（NN），并用于复杂业务流量预测。以自相似流量模型验证了2种NN学习算法的有效性，并分析比较了他们在流量预测中的可行性，得出Davidon最小二乘学习算法训练的NN比BP算法收敛速度快、收敛误差相差不多，验证了复杂自相似业务流的可预测性，为复杂自相似网络业务流预测的研究提供了一种有效途径。     

混沌光学系统的神经网络自适应控制研究

提出一种用于混沌光学系统控制的神经网络自适应控制技术。以一前向神经网络作为受控混沌光学系统的系统辩识器，由此神经网络系统辩识器与受控混沌光学系统输出差值作为负反馈对受控混沌光学系统控制参数进行调整达到控制目的。由于所使用神经网络系统辩识器在常规ＢＰ算法的支持下可从受控混沌光学系统的输出时间序列进行动力学模型重构，因而特别适用于对未知动力学表述的混沌光学系统进行控制。以对布喇格声光双稳混沌系统的系统辩识及自适应控制为例，对此神经网络自适应控制技术可行性进行了示例证明。     

基于小波分解和BP网络模拟电路故障诊断研究

为了高效、准确地对模拟电路故障进行诊断,采用了一种基于小波多层分解和BP神经网络相结合的模拟电路故障诊断方法。该法利用了多层小波分解优异的时频特性来提取故障特征参数,结合了BP网络强大的非线性分类能力和快速的收敛特性。将该方法应用到模拟带阻滤波器单一软故障诊断中,仿真结果表明该方法是有效的,而且具有比传统BP网络方法的学习收敛速度快得多,诊断正确率高的特点。     

An adaptive backpropagation neural network for real-time ischemiaepisodes detection: development and performance analysis using theEuropean ST-T database

A supervised neural network (NN)-based algorithm was used for automated detection of ischemic episodes resulting from ST segment elevation or depression. The performance of the method was measured using the European ST-T database. In particular, the performance was measured in terms of beat-by-beat ischemia detection and in terms of the detection of ischemic episodes. The algorithm used to train the NN was an adaptive backpropagation (BP) algorithm. This algorithm drastically reduces training time (tenfold decrease in our case) when compared to the classical BP algorithm. The recall phase of the NN is then extremely fast, a fact that makes it appropriate for real-time detection of ischemic episodes. The resulting NN is capable of detecting ischemia independent of the lead used. It was found that the average ischemia episode detection sensitivity is 88.62% while the ischemia duration sensitivity is 72.22%. The results show that NN can be used in electrocardiogram (EGG) processing in cases where fast and reliable detection of ischemic episodes is desired as in the case of critical care units (CCUs)     

基于VB与Mideva的BP网络实现

本文应用VB与Mideva混合编程，实现隐含层为三层的BP算法。利用Mideva的编程语言环境编写M文件实现BP算法，将此M文件转换为一种可调用的动态链接库。利用VB编写BP算法的训练界面，通过参数传递调用动态链接库，生成BP算法的可执行程序。仿真试验达到了预期效果，可进一步研究将算法应用于实际工程。     

Realization of multidimensional systems in Fornasini-Marchesini state-space model

This paper presents a constructive procedure that can generate a Fornasini-Marchesini (local) state-space model realization for a given n-D system with lower order than the existing procedure given by Alpay and Dubi. It is clarified that the method of Alpay and Dubi usually generates a realization with unnecessarily high order even for a simple rational transfer function, and, by taking into account of the structural characteristic of the given transfer function or transfer matrix, it is possible to construct a realization with much lower order. Nontrivial examples are given to illustrate the basic idea as well as the effectiveness of the proposed approach.     

基于EMD分析法和改进的BP算法的车牌字符识别

保证最优的分解效果和克服传统的BP网络训练速度慢和易陷入局部最小等缺点,首先通过EMD中的IMF分量的引入,对每一个基本模式分量进行波间与波内频率与幅度调制,得到一个可变幅度与可变频率的信号描述方法,从而实现信号的一次筛选.然后利用竖直方向的投影具有波峰、波谷间隔出现的特性,将字符进行分割.最后将分割的字符大小归一化后,送入采用动量因子的改进的BP神经网络进行字符识别.实验结果表明该识别方法可以改进信号分解或展开的效率,提高识别速度和精度.     

Design and multiplierless realization of maximally flat FIR digitalHilbert transformers

A unified treatment of approximation and realization of type-3 finite impulse response (FIR) linear-phase Hilbert transformers is presented. A simple method based on Bernstein polynomials and half-band filters is proposed to derive the transfer function of the system, and a triangular array realization based on the de Casteljau algorithm is developed from the Bernstein form of the transfer function. It is shown that the array structure, consisting of multiplierless identical modules, can be realized hierarchically using complex and real signal processing techniques