基于神经网络的.ppt

基于神经网络的FPGA布线通道宽度预估计 报告人：高明 导师 ：刘强 汇报提纲 1、课题背景及意义 2、课题相关国内外研究现状 3、课题研究内容 4、课题创新点与难点 5、拟采取的技术措施和办法 6、课题进度安排 课题背景 近些年来，学术界投入了大量精力来研究FPGA的性能与FPGA架构参数和电路参数之间的关系。其中许多评价FPGA性能的参数都已经被建模和估计，其中包括：线长、面积、延时、布线通道宽度和布通率等等。 选题意义 1）我们所提出的模型是第一个估计通道宽度的线性模型，并且详细的考虑了FPGA的架构参数和电路参数。 2）我们提出的模型方法利用了神经网络的学习能力和分段线性近似的简化，得到一个高精度和低复杂度的模型。 3）将我们的模型与其他的分析模型联合使用可以做到快速评估不同架构FPGA的性能参数，例如：面积和延时。 课题相关国内外研究现状 在已经存在的估计布线通道宽度分析模型中，有的是通过模拟布线的过程，有的是利用总线长，有的是基于FPGA的架构参数。这些方法在一方面能够成功的估计通道宽度。但是在另一方面，模型的精度和连续性都需要提高。 课题研究内容 图一、 详细布线架构 课题研究内容 图二、平均布线通道宽度随K和N变化的曲线 课题创新点 首次将神经网络运用到估计FPGA布线通道宽度。 图三、三层神经网络 课题的难点 本课题拟提出的FPGA通道估计方法主要是解 决两个方面的难点： 实验方法设计周期过长。 一般的分析模型又精度不高。 拟采取的技术措施和办法 1、通过合理的划分训练和测试电路，来提高神经网络模型的精度。 2、将神经网络得到的非线性模型通过分段线性近似，降低模型的复杂度，并同时确保它的精度。 课题进度安排 2013-09到2013-11：完成开题报告，查阅相关资料文献，做一个关于本课题的文献综述。 2013-12到2014-02：通过VTR软件得到训练和测试神经网络所需的数据，并将这些数据用于对神经网络的训练和测试，得到一个精度最高的模型。 2014-03到2014-05：整理实验数据，撰写论文初稿。 2014-06到2014-08：请指导老师对初稿提出修改意见，完成二稿。 2014-09到2014-11：修改二稿，提交论文的最终稿，请评阅老师审阅，准备论文答辩幻灯片。