神经网络FPGA实现的关键互联单元电路的设计文献综述

 2023-08-15 05:08
  1. 文献综述（或调研报告）：

文献综述

一、神经网络

神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。人工神经网络（Artificial Neural Network，ANN）是对生物神经网络的一种模拟和近似，是由大量神经元通过相互连接而构成的自适应非线性动态网络系统。Hinton等人提出了多隐层的人工神经网络具有优异的特征学习能力，以及可通过“逐层预训练”来有效克服深层神经网络在训练上的困难的观点，从而引出了深度学习（Deep Learning）的研究[1]。

常用的深度学习模型有深度置信网络（Deep Belief Network，DBN）、层叠自动去噪编码机（Stacked Deoising Autoencoders，SDA）、卷积神经网络（Convolutional Neural Network，CNN）等。

二、卷积神经网络

CNN是一种学习效率很高的深度学习模型，已经成为许多计算机视觉应用如字符识别[2]、图像/视频分类[3-5]、人脸检测[6]和场景分析[7]中的事实标准。

1、神经元

神经元是人工神经网络的基本处理单元，一般是多输入单输出的单元[1]，其结构模型如图1所示：

图1 神经元模型

其中，xi为输入信号，有n个，wij表示输入信号xi与神经元j连接的权重值，bi表示神经元的内部状态即偏置值，yj表示神经元的输出。其关系可用下式表示：

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章