BP神经网络FPGA实现结构的优化设计

摘要：

为了实现反向传播(back propagation,BP)神经网络的现场可编程门阵列(field programmable gate array,FPGA)处理速度的提升和资源消耗的降低,提出一种总体设计和关键模块融合优化的BP神经网络的FPGA实现结构.利用定点数据量化和流水线结构,提高系统的处理速度;采用二次方程多段拟合Sigmoid激活函数,降低计算复杂度;通过调整并行转串行模块与激活函数模块的处理顺序,减少了95％的激活函数模块的使用,降低了资源消耗;采用一种网络原始权值读取与更新权值存储交替流水进行的双端口RAM存取方法,以提高数据存取的速度、降低存储资源消耗.经过对硬件优化设计的字符和服装识别实验验证,结果表明,优化后的总逻辑单元使用率为原来的31％.在FPGA中优化结构实现单样本前向传播与反向传播所用时间为24.332μs,为软件MATLAB实现时间的45.63％,提高了BP神经网络的运算速度.

关键词：BP神经网络、现场可编程门阵列(FPGA)、硬件实现结构、流水线、并行结构

所属期刊栏目：58

分类号：TP273(自动化技术及设备)

资助基金：湖南省教育厅科学研究项目;长沙理工大学近地空间电磁环境监测与建模湖南省普通高校重点实验室开放基金

在线出版日期：2022-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：264-271