基于cmos模拟技术的多种前馈人工神经网络硬件的研究与实现-电气工程专业论文.docxVIP

万方数据 万方数据 湘潭大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文 被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇 编本学位论文。 涉密论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 摘 要 人工神经网络(Artificial Neural Network, ANN)是模拟生物神经网络的人工 智能系统，具有分布并行处理、非线性映射、自适应学习和容错等功能。人工神 经网络主要有两种实现方法：软件实现和硬件实现。以软件方法实现的神经网络 存在并行程度低和处理速度慢等缺点，难于满足实时性的要求，造成了理论研究 与实际应用脱节；而硬件方法实现的神经网络则克服了前者的缺点，能大规模并 行处理信号，尤其对于复杂数据的处理更具有优势，能满足实际应用的要求。 在集成电路设计中，模拟电路需要在功耗、速度、增益、精度、面积等多种 因素间进行折中，并且版图对于模拟电路的影响远大于数字电路，这给模拟电路 的设计带来了新的挑战。考虑到电流模式模拟电路对输入信号变化响应快、线性 度好、功耗低等优点，本文的前馈人工神经网络采用电流模式模拟电路来实现。 本文旨在完成两种前馈人工神经网络——感知器神经网络和径向基函数 (RBF)神经网络的电路实现与研究，并探讨其应用，所做工作如下： (1)阐述了人工神经网络的硬件实现的研究背景和意义，探讨了当前国际国 内的研究概况及发展趋势。 (2)介绍了生物神经元模型，探讨了前馈人工网络——感知器和 RBF 神经网 络的结构和原理。 (3)基于 TMSC 0.35 ?m 标准 CMOS 工艺，设计了一款可对线性不可分数据 集进行分类的电流模式线性分类器，通过 MATLAB 软件采用 Fisher 线性判别法 计算得到权重系数，运用 PSPICE 软件对所设计的电路进行了仿真分析。 (4)设计了 RBF 神经元的单元电路，利用这些单元电路构成一个 2 输入/1 输 出且含有两个隐含层神经元的 RBF 神经网络电路，利用改进混合蛙跳(NHSFL) 算法设定 RBF 神经网络参数，利用 PSPICE 软件通过异或问题验证了该神经网 络电路。 (5)介绍了版图设计流程、工具类型和模拟图版问题以及解决方法，完成了 线性分类器和 RBF 神经元电路的版图设计。 关键词：人工神经网络；CMOS 模拟电路；线性分类器；RBF 神经网络；电流 模式 I Abstract Artificial neural network is an artificial intelligence system which can simulate biological neural network with distributed parallel processing, nonlinear mapping, adaptive learning and fault tolerance, and other functions. There are two main types of artificial neural network method, software and hardware implementation. The artificial neural network realized by software method is hard to meet the requirements of real-time because of its shortcomings of low degree of parallel and slow processing speed. These disadvantages make theory research disconnected with practical application. However, the artificial neural network implemented with hardware method overcomes the shortcomings of the former. It can process