人工神经网络硬件实现方法的研究.pdfVIP

1999年第12卷第2朋 测试技术学报 Ⅶ112No2 1q9R 增篮2{塑L一：—磐坚坠垒堡望竖,,t—NDM—EASUR—EME．N黜…．UE…_。j磐!掣掣勤 人工神经网络硬件实现方法研究 沈煜马惠敏郑链王克勇 (北京理工：《学机电工程系100081) 摘要本文简要回顾了人工神经网路的发展和现况，概括介绍了人工神经网络硬 件的实现方法。详细探讨了人工神经网络的VLSI实现，其中又分成模拟VLSI实现、 数字VLSI宴现和模／数混合VLSI实现三大部分，同时说明了三种方法各自的优、 缺点． 关键词人工神经网络：硬件实现；VLSI实现 o．前言 学模型，也称为MP模型以来，人工种经网络的研究已经经历了40多年的历 史。虽然基于冯·诺曼结构原理的串行存贮程序式的计算机的性能在近年来得 到了很大提高，使其成为当前信息处理工作的主要工具。但是它的固有缺陷， 如容错性差、不能缀好的解决自适应闯题等，逐渐设人们所重视。丽人工神经 网络由于其非线性大规模并行分布式信息处理结构，在系统的容错性、自适应 能力方面大大优于传统的串行信息处理系统，所以在模式识别、人工智能等非 结构性问题方面成为研究的热点，因而其理论和模型的研究，在80年代以后 取得了巨大进展，荠逐渐走向成熟。 当前神经网络的应用实现方法主要还停留在用现有的冯·诺曼体系计算 机模拟实现神经网络。这种做法的明显缺点就是，现有的计算体系不适合神经 网络的结构特点。在某些实时控制的应用场合，这样的系统无沦从体积还是速 度方面都无法满足实用的需要。因此．在这种应用场合下，用新的硬件技术直 接实现冲经网络的要求就更加追切了。 神经网络的硬件实现方法可分为以下几种： VLSI实现和光电实现； 2．光处理器：分为纯光学处理器和光电混合处理器； 3．分子处理器：有磁性材料处理器和生物材料处理器； 4．量子处理器。 由于VLS!技术的臼趋成熟，目前比较成功的傲法就是利用VLSI技术在 硅片上直接实现各种神经网络模型。本文也将以此为重点介绍几种基于VLSI 技术的神经网络模型和芯片，以比较它们的优、缺点。 1．模拟VLSl实现 !簋筻29塑! 厶王鳢丝隧终塑韭塞璺立选《珏盔I沈埕笙!—— 123 模拟实现是从执行一些网络函数，勘测筒荦的物理作用盛{发的。例如累 _jjIl器求和可阻芒j．接用…根普通的输出线对电流汇合实现。模拟神经阳络实现的 优点是它可自动实现异步操作及光滑神经元作用非线性，且速度快，集成度高。 堪常模拟器件比数字器件体积更小、更简单。但要保持模拟电路的精度。尤其 怒温度变化的补偿、电压控制等，莆要复杂的设计和精良的构造工具。模拟网 铸的主要困难在于在有效范围内突触乘法器的线性和突触权值的存储。 Intel80170NW 元和两级64×80个权值构成。灵活的设计使几个网络可以组台构型。芯片育 64个模拟输入(0—3v)，16个用来放置第一级权值的内部偏置元件，突触采 用可编程浮点门技术来存储权值，权值不易发散，Gilbert乘法器执行四象限 乘法运算，神经元阅值放大器为S型输出，并可选择增益，神经元的输出可由 内部采样保持电路反馈给第二级突触。一个由64个输入、64个隐单7i和64 个输出构成的两层阏络处理速度可达2GCPS ETAⅫq的权值和神经元输出的精度大约为5—6位，据报道，应用退火 技术可把权值精度提高到8位。网络训练是离片进行的，权值的确定通过…个 类似于EEPROM的改写器提供在浮点门上充电所需的大电压值。一个汁算机 训练系统包括改写器和一个软件接口。环路芯片技术是指用芯片作前馈部分， 计算机根据芯片的输出计算权值该如何调整。通常．首先在计算机上运行仿真 程序获得较好的初始权值，然后把这些权值下载到芯片上，但是在器件中会出 现匹配不完全、精度受限制等情况，如果不通过更进一步的环路芯片训练来调 准权值，这个芯片网络将不能很好地工作。而训练时婀长也正是ETANN网络 的主硬缺陷。 2数字VLSI实现 德阳西门予公司{二1990：年推出名为M—j6神经信号处哩器。它是一种用 于构造通用神经计算机的积木块，它可以快速完成神经计算中的矩阵类的计 算。