基于CMOS模擬技術的多種前饋人工神經(jīng)網(wǎng)絡硬件的研究與實現(xiàn).pdf

1、人工神經(jīng)網(wǎng)絡(Artificial Neural Network,ANN)是模擬生物神經(jīng)網(wǎng)絡的人工智能系統(tǒng)，具有分布并行處理、非線性映射、自適應學習和容錯等功能。人工神經(jīng)網(wǎng)絡主要有兩種實現(xiàn)方法：軟件實現(xiàn)和硬件實現(xiàn)。以軟件方法實現(xiàn)的神經(jīng)網(wǎng)絡存在并行程度低和處理速度慢等缺點，難于滿足實時性的要求，造成了理論研究與實際應用脫節(jié)；而硬件方法實現(xiàn)的神經(jīng)網(wǎng)絡則克服了前者的缺點，能大規(guī)模并行處理信號，尤其對于復雜數(shù)據(jù)的處理更具有優(yōu)勢，能滿足實際應用的

2、要求。
　　在集成電路設計中，模擬電路需要在功耗、速度、增益、精度、面積等多種因素間進行折中，并且版圖對于模擬電路的影響遠大于數(shù)字電路，這給模擬電路的設計帶來了新的挑戰(zhàn)。考慮到電流模式模擬電路對輸入信號變化響應快、線性度好、功耗低等優(yōu)點，本文的前饋人工神經(jīng)網(wǎng)絡采用電流模式模擬電路來實現(xiàn)。
　　本文旨在完成兩種前饋人工神經(jīng)網(wǎng)絡——感知器神經(jīng)網(wǎng)絡和徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡的電路實現(xiàn)與研究，并探討其應用，所做工作如下：

3、　　(1)闡述了人工神經(jīng)網(wǎng)絡的硬件實現(xiàn)的研究背景和意義，探討了當前國際國內的研究概況及發(fā)展趨勢。
　　(2)介紹了生物神經(jīng)元模型，探討了前饋人工網(wǎng)絡——感知器和RBF神經(jīng)網(wǎng)絡的結構和原理。
　　(3)基于TMSC0.35μm標準CMOS工藝，設計了一款可對線性不可分數(shù)據(jù)集進行分類的電流模式線性分類器，通過MATLAB軟件采用Fisher線性判別法計算得到權重系數(shù)，運用PSPICE軟件對所設計的電路進行了仿真分析。