一种新的可编程、可扩展的Hamming神经网络

提出了一种新的可编程、可扩展Ｈａｍｍｉｎｇ神经网络．它采用电流镜计算待识模式与标准模式的匹配度．然后,通过电流型排序电路进行匹配度的排序操作并输出识别结果．该Ｈａｍ－ｍｉｎｇ神经网络中的标准模式模板是可编程的,以满足不同场合的应用要求．另外,该网络芯片在规模上可以很容易地进行扩展,这较大地提高了该处理芯片应用的灵活性．由于网络电路中模拟部分完全采用电流型电路,使其可完全直接采用标准数字ＣＭＯＳ工艺进行制作,并易于模／数混合集成．已经采用单层金属、单层多晶的２μｍＮ阱标准数字ＣＭＯＳ工艺成功地制作了该Ｈａｍ     

一种可编程Hamming神经网络特征提取器

根据Hamming神经网络的工作原理提出了一种可用于手写体数字识别的电流型可编程局部结构特征提取电路．该特征提取器的模板不仅是可编程的，它可根据不同的需要来随时更改模板的内容以适应不同的情况，而且其特征合并的方式也是可配置的，它可根据不同的需要把所需的特征合并成不同的特征类别．对于该可编程特征的电路模拟以及用单层多晶、双层金属1.2μm数字CMOS工艺所制作的实验芯片的测试表明该电路能很好地完成特征提取的功能．     

一种可编程Hamming神经网络特征提取器

根据 Ham ming神经网络的工作原理提出了一种可用于手写体数字识别的电流型可编程局部结构特征提取电路 .该特征提取器的模板不仅是可编程的 ,它可根据不同的需要来随时更改模板的内容以适应不同的情况 ,而且其特征合并的方式也是可配置的 ,它可根据不同的需要把所需的特征合并成不同的特征类别 .对于该可编程特征的电路模拟以及用单层多晶、双层金属 1.2 μm数字 CMOS工艺所制作的实验芯片的测试表明该电路能很好地完成特征提取的功能     

一种用于手写体数字分类的可编程Hamming神经网络特征提取器

根据 Hamming神经网络的工作原理提出了一种可用于手写体数字识别的结构简单灵活的电流型可编程局部结构特征提取电路 .该特征提取器的模板不仅是可编程的 ,可根据不同的需要来随时更改模板的内容以适应不同的情况 ,而且其特征合并的方式也是可配置的 ,可根据不同的需要把所需的特征合并成不同的特征类别 .对于该可编程特征的电路模拟以及用单层多晶、双层金属的 1 .2μm数字 CMOS工艺所制作的实验芯片的测试表明 ,该电路能很好地完成特征提取的功能 .     

一种用于手写体数字分类的可编程 Hamming神经网络特征提取器

根据Hamming神经网络的工作原理提出了一种可用于手写体数字识别的结构简单灵活的电流型可编程局部结构特征提取电路,该特征提取器的模板不仅是可编程的,可根据不同的需要来随时更改模板的内容以适应不同的情况,而且其特征合并的方式也是可配置的,可根据不同的需要把所需的特征合并成不同的特征类别,对于该可编程特征的电路模拟以及单层多晶、双层金属的1.2μm数字CMOS工艺所制作的实验芯片的测试表明,该电路能很好地完成特征提取的功能.     

一种用于模式识别的新型开关电流Hamming神经网络

本文首次提出了一种用于模式识别的新型开关电流Ｈａｍｍｉｎｇ神经网络，它采用电流镜计算待识模式与标准模式的匹配度，然后，通过开关电流型排序电路进行匹配度的比较并输出识别结果，该Ｈａｍｍｉｎｇ神经网络可以按匹配度大小的顺序依次输出匹配度以及相应的标准模式，这将十分有利于改善系统的性能同时，该Ｈａｍｍｉｎｇ网络还可以进行绝对拒识和相对拒识的判断，这大大地提高了系统的可靠性，通过ＰＳＰＩＣＥ模拟，结果表明     

一种可编程、可扩展的新型模式识别模糊处理器

本文提出了一种可编程、可扩展的新型模式识别模糊处理器.在该处理器中,隶属函数可以根据需要进行编程,以满足不同应用场合的要求.另外,处理器芯片在规模上可以很容易地进行扩展应用,提高了处理器的灵活性.我们采用单层金属、单层多晶的2μm N阱标准数字CMOS工艺成功地制作了该模糊处理器中的核心单元电路芯片.     

一种模拟集成电路Hamming神经网络及其应用

采用Ｐ阱ＣＭＯＳ工艺设计并制作了一种模拟型的Ｈａｍｍｉｎｇ神经网络集成电路．测试结果表明，网络中的宏单元，模板匹配运算电路，可很好地实现容差匹配的功能．将芯片用作识别器，识别手写体阿拉伯数字的实验结果表明，可在５００ｎｓ内完成一次识别运算；对所采集的数据集得到了较好的识别效果．识别测试结果还表明，识别效果对控制参量阈值电压ＶＴ的变化较敏感．     

一种学习速率自适应的可编程片上学习BP神经网络电路系统的设计

设计了一种学习速率自适应的可编程片上学习BP神经网络电路系统.整个系统由前向网络、误差反传网络两部分组成.提出了一种新型的可编程S型函数及其导数的发生器电路.它不仅产生S型函数,完成非线性I－V转换;还利用前向差分法,产生S型函数的导数.这两种函数不仅与理想函数的拟合程度很好,而且易实现对阈值和增益因子的编程.为提高BP神经网络片上学习的收敛速度,还提出了学习速率自适应电路.本文采用标准1.2μm CMOS工艺的模型参数,对整个系统进行了sin(x)函数拟合等模拟实验,验证了该片上学习BP神经网络的优越性能.     

一种新的MPEG-4二值形状空域可扩展编码算法

可扩展编码和形状编码技术是MPEG-4视频编码部分的两个关键技术。文章在分析视频图像二值形状信息特点的基础上．提出了一种新的MPEG—4二值形状空域可扩展编码算法。试验结果表明这种算法编解码简单，速度快．码率较小。     

一种可扩展BP在片学习神经网络芯片

基于0.6μm标准CMOS工艺,设计并实现了一种可扩展BP在片学习神经网络芯片.该芯片包含8个神经元和64个突触.提出了一种新颖的可扩展拓扑结构,使得利用该芯片构成完整的神经网络系统时,不需附加额外的神经元误差计算芯片;将L个芯片层叠起来就可以得到一个L层的神经网络.该芯片采用模拟电路,利用电容进行电荷存储,在片学习本身可用于权重刷新以保证权重值的正确性.奇偶校验实验证明了该神经网络芯片具有在片学习的能力.     

Current Mode Circuits for Programmable WTA Neural Network

In this article prototype AB class programmable synaptic connection and WTAcircuits that set foundations for low power VLSI neural networks and other applications areproposed. The analysis of the circuits is given. A qualitative comparison of currentconsumption is made between standard A class and proposed AB class circuits. Layouts ofthe AB class transconductance programmable synaptic connection and 2-WTA circuits havebeen designed and then the prototype CMOS circuits have been manufactured and measured.Measured characteristics have been compared to simulated ones.     

可编程细胞神经网络硬件实现及应用研究

 本文提出一种模板可编程细胞神经网络的硬件实现方法,设计构成CNN的细胞体电路、A模板电路和B模板电路,组成CNN并进行在图像处理中的应用研究.仿真结果表明,所设计的硬件电路具有结构简单、功耗低、频率特性好、模板参数可编程等特点,可以方便地构成各种规模的CNN,在图像处理应用中具有一定的灵活性和通用性.