神经网络的FPGA实现及其在网络拥塞控制中的应用的任务书.docxVIP

神经网络的FPGA实现及其在网络拥塞控制中的应用的任务书

一、课题背景

神经网络是一类仿人神经元网络结构，具有自适应、非线性、并行、容错等性质，被广泛应用于计算机视觉、自然语言处理、语音识别、智能控制等领域。而FPGA是一种可编程逻辑器件，具有高度的灵活性、可定制性和并行处理能力，因而适合用于实现神经网络加速器。

网络拥塞控制是保证网络传输质量的重要手段之一，其主要目的是避免网络的过载和拥堵，提高网络的性能和可靠性。在实际应用中，为了实现网络拥塞控制，需要对网络中的各个节点进行监测和控制，实现数据传输的平稳流动。

因此，本课题将探究神经网络在FPGA平台上的实现方法，并将其应用于网络拥塞控制中，提高网络性能和可靠性。

二、研究内容

1.神经网络的FPGA实现原理

1.1知识点：神经网络模型、前向传播、反向传播、梯度下降法、激活函数、损失函数等

1.2研究内容：将神经网络模型在FPGA上进行硬件实现，包括神经元的逻辑设计、数据流控制、权重存储等。

1.3预期目标：能够基于FPGA平台实现一个简单的神经网络模型。

2.神经网络在网络拥塞控制中的应用

2.1知识点：流量监测、流量控制、拥塞避免算法、拥塞控制算法等。

2.2研究内容：利用FPGA上的神经网络模型对网络中的流量数据进行预测和分析，从而实现网络拥塞控制和优化。具体包括数据采集、数据处理、网络流量建模、拥塞预测等。

2.3预期目标：建立完整的基于FPGA的网络拥塞控制系统，并达到良好的控制效果和可靠性。

三、研究方法和技术路线

1.神经网络的FPGA实现方法

1.1学习常用的神经网络模型和算法，熟悉前向传播、反向传播等基本操作。

1.2根据FPGA的特点，设计适合硬件实现的神经元模型，包括数据宽度、数据量、计算方式等。

1.3利用VerilogHDL进行神经网络硬件模型的设计和实现。

2.神经网络在网络拥塞控制中的应用方法

2.1学习常用的网络拥塞控制算法和流量分析技术，如拥塞窗口控制算法、最小反馈缓存算法等。

2.2利用FPGA上的神经网络模型对网络数据进行预测和分析，实现网络流量的建模和拥塞预测。

2.3设计并实现网络拥塞控制系统，包括数据采集、数据处理、控制器的设计和实现等。

四、预期成果

1.基于FPGA平台的神经网络实现代码和模型

1.1包括神经元模型、权重存储模块、全连接层、激活函数等基本组件的代码实现文档。

1.2包括综合测试的数据和结果，验证神经网络模型在FPGA上的正确性和性能。

2.基于FPGA平台的网络拥塞控制系统

2.1包括硬件设计和算法实现的代码和文档。

2.2包括控制效果和可靠性的测试结果，分析优化方案和实现方式。

3.至少1篇符合要求的学术论文

3.1进行文献综述，分析神经网络实现和拥塞控制的基本方法和技术。

3.2阐述神经网络在FPGA平台上的实现方法和应用价值。

3.3具体介绍设计实现的神经网络模型、网络拥塞控制系统及其性能测试结果和分析。

五、参考文献

1.Hong-JieJeng,Min-ChulKimetal.“ADeepLearningbasedTrafficPredictionforNetworkCongestionControl”2018IEEE25thInternationalConferenceonTelecommunications(ICT)

2.NaganathanVenkateswaranetal.“NeuralNetwork-basedCongestionControlforReal-timeVideoStreaming”2020IEEEInternationalConferenceonConsumerElectronics(ICCE)

3.AnisElgabli,AmrMohamedandHabibYoussef.“HardwareImplementationofConvolutionalNeuralNetworksUsingFPGA:ASystematicReview”IEEEAccess,2020.

4.JiangQ,ZhangY.etal.“Intelligenttrafficpredictionalgorithmforcongestioncontrolinvehicularadhocnetworks”Peer-to-PeerNetworkingandApplication