基于FPGA的神經网络结构的翻译.docVIP

使用VHDL跟现场可编程门阵列实现一个多层感知器神经网络 简介： 我们的目的是如何使用基于FPGA的SRAM电路在运行时重新配置的能力来实现人工多层神经网络——在处理从一套微量化学传感器中获得的实时、非线性的数据中常要用的。所以在这篇论文我们提出一个基于多处理器的新型可变换的ASICs结构。 1.介绍： 有许多实时的应用，这要求用低功耗、小型化、自动化的系统来分类和识别。通常情况这样的器件由几个提供复杂数据的传感器组成，这些数据只能由人工神经网络来处理。 从这个角度，电子鼻子的发展代表了替代传统的物理化学分析技术的一种新技术，它工作起来与人的嗅觉相似但结构更简单更灵敏。这项技术具有很多潜在的应用，在不同方面如食品加工业、安全及环境污染评估中对混合气体进行大量高精度的分析。 电子鼻子的原型从原理上由一系列的温度传感器、湿度传感器以及化学微传感器（以锡氧化物传感层的半导体）。这些传感器有很多优势，例如功耗低、灵敏度高、反应时间短，但是他缺乏选择性的缺点是由于神经网络的工作方式决定的，神经网络的工作方式有两步构成：学习和识别。 在这些原型中使用的ANN在基于平行算法的软件上开发仿真的。由于许多特殊的应用，比如检测偏远地区的空气污染情况，这对我们在实时性、小型化以及电源等方面提出了很多限制，这让我们考虑使用ANNS硬件。从设计时间和硅表面技术在ASIC技术上使用的角度看，平行神经结构是非常昂贵的，并且它也有一个明显的经济风险，就是缺乏可靠的组成元件。这导致神经器件很少用于硬件中。一个可供替代的选择就是：现场可编程门阵列（FPGA）。它允许使用具有动态可重新配置能力的元件来设计高效的电路。 在这篇论文中，我们将根据我们之前FPGA的设计经验，描述我们的原创方案并提出可能的解决办法来解决将多层感知器(MLP)应用到实时跟踪大气污染中。 2. MLP的探测和分类 A.算法 MLP由多种层组成：输入和输出之间隐藏着一个或几个输出不可观。这些层基于许多处理单元（神经元），它们通过前向反馈考虑连接（图2）。 所有的这些处理元件进行着相同的操作（图3）：也就是求输入权值的和（等式1）。然后将结果输入到非线性函数中，这个函数是激活函数，通常是基于曲线函数的（等式2）。 （1） （2） 是处理元件 j的输出 i－th运算器 j 的输入的加权系数 是偏移量 MLP处理过程由两步组成：学习和识别。它们之间是相互独立的，所以可以当成是分开的。 学习环节 事实上，在学习过程中，神经网络调整它的参数， 神经元突触的权值，来对一个激源输入作出响应，以便它的得到希望的输出。在这个层面上，每个运算器单元通过动态改变神经突触的权值，来达到一个被定义了的错误的层面，然后根据一个被称为学习算法的优化标准（例如反向传播算法）来对一个特殊的问题根据已给定了单元的个数来定义最优结构。当实际的输出反应与期望值相同时，则网络就完成了学习过程。 此时就可认知最优的结构： 输入个数 输出个数 分层数 突触权值 传递函数 识别环节： MLP不仅给出已知输入相应的期望输出，而且给出在学习环节过程中在等式（1）中任何用来表示值的输入变量的输出。 B. 处理过程 对于我们的系统中，通过电脑上的算法模拟来识别突触的权值和最优网络结构来实现学习过程。然后硬件的具体试用被考虑进来。 该AT89S51是一个低功耗，高性能CMOS 8位微控制器,可在4K字节的系统内编程的闪存存储器。该设备是采用Atmel的高密度、非易失性存储器技术和符合工业标准的80C51指令集和引脚。芯片上的Flash程序存储器在系统中可重新编程或常规非易失性内存编程 。通过结合通用8位中央处理器的系统内可编程闪存的单芯片， AT89S51是一个功能强大的微控制器提供了高度灵活的和具有成本效益的解决办法，可在许多嵌入式控制中应用。 在AT89S51提供以下标准功能： 4K字节的Flash闪存 ， 128字节的RAM ， 32个 I / O线，看门狗定时器，两个数据指针，两个16位定时器/计数器， 5向量两级中断结构，全双工串行端口，片上振荡器和时钟电路。此外， AT89S51设计了可降至零频率的静态逻辑操作和支持两种软件可选的节电工作模式。 在空闲模式下停止CPU的工作，但允许RAM 、定时器/计数器、串行接口和中断系统继续运