论文部分内容阅读
近年来人工神经网络的发展十分迅速，许多的软件或硬件方法都可以用来实现神经网络。利用软件实现神经网络比较方便快捷，而用硬件来实现则可以得到更高的运行速度。 本文给出了一种基于可编程门阵列（FPGA）的三层前馈神经网络硬件实现技术。所用的神经网络学习方法是误差反向传递（BP）算法。利用硬件系统实现了前馈网络，反馈网络，权值更新，学习/工作模式控制等全部功能。为了提高处理速度，几种不同结构的脉动阵列被用来计算其中最耗时的几个矩阵乘法运算。编译报告和仿真结果显示，利用FPGA可以较好地实现神经网络中的并行计算问题，使系统具有很高运算速度。同时利用FPG的层级设计和模块设计方法，使系统具有快捷灵活等优点。另外对FPGA开发过程中的一些问题也进行了初步的分析。