基于CMOS模拟电路的径向基函数神经网络.pdfVIP

第29卷 第2期 半 导 体 学 报 Vo1．29 No．2 2008年2月 JOURNAL OF SEMIC0NDUCTORS Feb．，2008 基于CMoS模拟电路的径向基函数神经网络 梁 艳 靳东明 (清华大学微电子学研究所，北京 100084) 摘要：提出了可构成径向基函数(RBF)神经网络的CMOS模拟单元电路，包括绝对值电路、电流求均方根电路和类高斯 函数电路．基于这些电路设计了一个二输入／一输出，含有两个隐层神经元的径向基函数神经网络，并通过异或问题进行了 验证．所有单元均采用HJTC 0．18t~m CMOS数模混合工艺制造，芯片面积为200~m×150~m，功耗约为 IO0~W．芯片测试 结果表明：提出的单元电路结构简单，功耗低，便于扩展和调节，因而为硬件实现径向基函数神经网络的片上学习提供了可 能． 关键词：径向基函数神经网络；硬件实现；CMOS模拟电路；类高斯函数电路 EEACC：2570D 中图分类号：TN43 文献标识码：A 文章编号：0253，4177(2008)02—0387—06 示．第一层是输入层，由与外界环境连接的输入节点构 1 引言 成，只传递输入信号到隐层，是线性的．第二层是隐含 层，由径向基函数(比如高斯函数)构成，完成由输入空 1985年，Powell提出了多变量插值的径向基函数 间到隐含层的非线性变化．在多数应用中，隐层空间是 (radial basis function，RBF)[ ，1988年，Broomhead 高维度的．整个 RBF神经网络只有一层隐含层．第三层 和Lowe将RBF应用于神经网络设计，构成径向基函 是输出层，输出层节点通常是简单的线性函数，对加到 数神经网络(RBF neural network)E13，RBF神经网络 整个网络的激励模式或信号作出响应L5]． 的应用日益广泛．在智能控制领域，RBF神经网络作为 径向基函数是以到固定点的距离为自变量的函数． 一 种新型的控制器可以采用软件和硬件两种方式实现． 在二维欧式空间里，一般距离为： 软件上，RBF神经网络与各种复杂算法相结合都得到 ， =， ( ，Y， ，Y )=~／ll — ll。+ ll Y—Y ll。 了很广泛的应用，但在运算速度上和硬件无可比拟．软 (1) 件实现的RBF神经网络，通常用来解决时间常数大于 其中 ( ，y)为欧式空间中任意点的坐标；( ，Y )，是 1s的问题，而高速的实时控制，比如汽车引擎控制E23，或 第k个固定点的坐标．以， 为自变量的函数就是径向 者高速的实时识别系统，比如人脸识别、指纹识别等，要 基函数．激励函数是RBF神经网络中不可或缺的单元， 求使用专用的硬件系统．Fan Yang口]在嵌入式系统上 一 般的线性函数、阶梯函数、Sigmoid函数、高斯函数 数字实现了一个RBF神经网络，能够实时的进行人脸 等，都可以作为RBF神经网络的激励函数．由于高斯函 跟踪和身份识别．RBF神经网络可以用数字电路实现， 数具备表示形式简单，径向对称，光滑性好，任意阶导数 但是需要模拟电路单元作为接口与传感器或外部激励 都存在等优点 ]，而且其局部响应特性与RBF神经网 相连接，同时随着输入变量维数的增加，系统的复杂度 络非常吻合，于是高斯函数常被用作RBF神经网络的 也必然增加，由此还会带来面积和功耗等问题．而模拟 激励函数，其表达式为： 电路实现的R