基于FPGAANN系统设计及其在盲人导行系统中应用2.docVIP

咔嚓大学硕士学位论文 第二章 几种典型的基于FPGA的人工神经网络的设计方法几种典型的基于FPGA的人工神经网络的设计方法BPNN的FPGA设计与实现方法误差逆传播神经网络 (Back-Propagation Neural Network, BPNN)是目前应用最为广泛和成功的神经网络之一。它是一种多层网络，其基本思想是，学习过程有信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经隐含层逐层处理后传向输出层。若输出层的实际输出与期望输出不符，则转向误差的反向传播阶段。误差的反向传播是将输出误差以某种形式通过隐含层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各神经元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程是周而复始的进行。权值不断调整的过程，也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可以接受的程度，或进行到预先设定的学习次数为止，如图2.1所示。图2.1 BP网络学习过程Fig. 2.1 The learning flow of BPNN利用FPGA器件的这个特性，可以把BP算法分成三个顺序执行的功能阶段：前馈阶段、反传阶段和更新阶段。系统运行时，每次在FPGA中只配置一个功能，一个阶段的功能完成后，再配置下一个功能。这种“配置—执行”过程一直重复下去直到完成