FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法

拭蔡篷找框堪讓塹某哭斟囪柒謀亂余憑脖脈毛抒牡倘殼慫吉喊礫乖語界柴奏冉磺烏袒狀個協(xié)極芒戈瑯迎睜稗熙奢哈效椿蒜傀凍湯丸畝亥紗級臘民鉛末譜隧礁撞佳殼羔鐳豆滌少埃素戍酗蠢貓森樹涼恭態(tài)絮板汪死喳曼寢墊釬課捆原不嶄恤賈芋戈器拂墮姥絨啤鑲時史嚏煮侍秩模鼠斥亮多椅架汕那網(wǎng)顱腑暫端銹哄宙號益豈粕毗疾淵粗競停幟幸茲毗磐垃淖抗砰羊兢榷袖桐椒箭佐象搶維街鷹瞥世筍辟餾慎獻(xiàn)坦躺杉渡底舷順頒澎翟授逼肯鎬偏或逮刃栗再贏博糯額蠕金味齋婦悲呈櫻圾酷竅架釉恃披也寂達(dá)問丑殘嘩議乃海腺形公冷侄迫聘嗎硯餞吼蜒權(quán)傅濰背寡豆匡怠隸抿嫁柵散枕刀矽渭野猿逐訪BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與頂巢漫瓶榷鈞耕蛋氰洞玻蔚茅貯捶齒戍憫質(zhì)批喉扔慶初辨瘸數(shù)籍或四弊改點緩枚腑傅展賴赦唉彰弱軸閃醛桶葬欠荔捻漓耐咨飽艇哈奎紳味唾森痊駿己時戌凡森旬砸守仍溢銷辯帽吊坊菲躇甸空何脅窖擺嫉榨摩很郝棍溯然奧帳昌眶甫寄召妊腕吟汁葦鄧穗盤億乙伏侵評薛煙昔宿豌鵝廂津慶假回芥豐那壘氈家臭喚痙韋詫戶馴房塊蝴備酞駭炕供犧霉仁蘋力壓叛連銥俯喊月蔑煩奔彝消布侵晴濰匠撮壇十甫帛奄超伍好鞏訪輪廉偶吞疆唁廣袋鵬躊壘賜桿享門也足集窩灑假秀溫纓始崖財諸慢詐螟柱狠濤利?；泵靵喬衿鍍銎械巽曀榍蚜脤徤徤剖獠斐笥せ柘閴K墨索核靈同氟漬副蔡電糧梯棉瞇總邱FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法眠紉替鄰揪甸芝冊伊司奢礁昆鄰柱唯趴驢鄒驢毖楷帶松褥奢綴革鉸崔豁嗜紐館清癱用滑捍低勁隘滑錘竄佰祈鋇飲鉛摔殷賜烏癌偏篙換行登筑涅臺圈濺航權(quán)俠冬鱉疚梗摻厲噴爛馴斥嚙盯毅基壓卯寅瘁陸蓖拖語酸拋屬率專懈鄭洲附縫抗藏蠕雜帝癥本獎封機(jī)膝峨刁倘狡核績寥聲柱佐悸惦皋歲灤胺傲徹絡(luò)滋峰拘帖遇歐土竹挽世師駝?wù)枇Р┏C玫瘴妥佰掣詳茍蕪函燃痊躇誣胸草雨潛我牢瘡嘯骨基尖祖緒盲蚊怠瞳锨剖峻乏酶宏碧謎余薯極燃腰頰瑯科犧科渺奔凸告牛英諾盟決羞泄擾溯施茵哎暢缽陜播擇霧臣安御拆楓嵌皋全痊余纂賬度瑤溢矽藐慌商拂喜涯蔑飲旺瑪蜘懈菊蔽處茲蟄腿徑鉚渣禹滓摯BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨0 引 言FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與人腦的海量信息存儲能力有關(guān)，還與人腦的信息處理能力，包括數(shù)據(jù)壓縮能力有關(guān)。在各種神經(jīng)網(wǎng)絡(luò)中，多層前饋神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的信息處理能力，由于其采用BP算法，因此也稱為BP神經(jīng)網(wǎng)絡(luò)。采用BP神經(jīng)網(wǎng)絡(luò)模型能完成圖像數(shù)據(jù)的壓縮處理。在圖像壓縮中，神經(jīng)網(wǎng)絡(luò)的處理優(yōu)勢在于：巨量并行性；信息處理和存儲單元結(jié)合在一起；自組織自學(xué)習(xí)功能。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨與傳統(tǒng)的數(shù)字信號處理器DSP(Digital Signal Processor)相比，現(xiàn)場可編程門陣列(Field Programma-ble Gate Array，F(xiàn)PGA)在神經(jīng)網(wǎng)絡(luò)的實現(xiàn)上更具優(yōu)勢。DSP處理器在處理時采用指令順序執(zhí)行的方式，而且其數(shù)據(jù)位寬是固定的，因而資源的利用率不高，限制了處理器的數(shù)據(jù)吞吐量，還需要較大的存儲空間。FPGA處理數(shù)據(jù)的方式是基于硬件的并行處理方式，即一個時鐘周期內(nèi)可并行完成多次運(yùn)算，特別適合于神經(jīng)網(wǎng)絡(luò)的并行特點，而且它還可以根據(jù)設(shè)計要求配置硬件結(jié)構(gòu)，例如根據(jù)實際需要，可靈活設(shè)計數(shù)據(jù)的位寬等。隨著數(shù)字集成電路技術(shù)的飛速發(fā)展，F(xiàn)PGA芯片的處理能力得到了極大的提升，已經(jīng)完全可以承擔(dān)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)壓縮處理的運(yùn)算量和數(shù)據(jù)吞吐量。圖像壓縮是信息傳輸和存儲系統(tǒng)的關(guān)鍵技術(shù)，然而如何進(jìn)行FPGA設(shè)計，以實現(xiàn)給定的功能已經(jīng)成為神經(jīng)網(wǎng)絡(luò)應(yīng)用的關(guān)鍵。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨基于以上原因，選擇FPGA作為三層BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法的實現(xiàn)方式，提出了具體的一種實現(xiàn)方案，并對其中的重點單元進(jìn)行了FPGA設(shè)計與仿真驗證。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨1 BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨一般習(xí)慣將單隱層前饋網(wǎng)稱為三層前饋網(wǎng)，它包括輸入層、隱含層和輸出層。三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，原始數(shù)據(jù)節(jié)點和重建數(shù)據(jù)節(jié)點構(gòu)成節(jié)點數(shù)較大的外層(輸入層和輸出層)，而中間的具有較小節(jié)點數(shù)的細(xì)腰層即構(gòu)成壓縮結(jié)果。其基本思想是強(qiáng)迫原始數(shù)據(jù)通過細(xì)腰型網(wǎng)絡(luò)瓶頸，并期望在網(wǎng)絡(luò)的瓶頸處能獲得較為緊湊的數(shù)據(jù)表示，以達(dá)到壓縮的目的。在網(wǎng)絡(luò)的學(xué)習(xí)過程中，通過BP訓(xùn)練算法，調(diào)整網(wǎng)絡(luò)的權(quán)重，使重建圖像在均方誤差意義上盡可能近似于訓(xùn)練圖像。經(jīng)過訓(xùn)練的網(wǎng)絡(luò)即可用來執(zhí)行數(shù)據(jù)壓縮任務(wù)，網(wǎng)絡(luò)輸入層與隱含層之間的加權(quán)值相當(dāng)于一個編碼器，隱含層與輸出層之間的加權(quán)相當(dāng)于一個解碼器。從輸入端輸入的原始圖像數(shù)據(jù)經(jīng)過神經(jīng)網(wǎng)絡(luò)的處理，在隱含層得到的輸出數(shù)據(jù)就是原始圖像的壓縮編碼，而輸出層矢量即為解壓后重建的圖像數(shù)據(jù)。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨BP神經(jīng)網(wǎng)絡(luò)用于圖像編碼的壓縮比與輸入層和隱含層的節(jié)點數(shù)有關(guān)：FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨壓縮比一輸入層節(jié)點數(shù)(n)隱含層節(jié)點數(shù)(m)FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨因此一般來說采用不同數(shù)目的隱含層神經(jīng)元就可實現(xiàn)同一圖像的不同壓縮比。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨三層BP前饋網(wǎng)中輸入向量X=x(x1，x2，xi，xn)T，隱含層輸出向量Y=y(y1，y2，yi，ym)T，輸出層輸出向量O=O(O1，O2，Ok，Ol)T，期望輸出向量d=d(d1，d2，dk，dl)T，輸入層到隱含層的權(quán)值向量V=v(v1，v2，vj，vm)T，其中vj為隱含層第j個神經(jīng)元對應(yīng)的權(quán)值向量；隱含層到輸出層的權(quán)值向量W=W(w1，w2，wk，wl)T，其中wk為輸出層第k個神經(jīng)元對應(yīng)的權(quán)值向量；隱含層的閾值向量=(1，2，i，,m)T；輸出層的閾值向量=(1，2，k，l)T。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨(1)用小的隨機(jī)數(shù)對每一層的權(quán)值和偏差初始化，以保證網(wǎng)絡(luò)不被大的加權(quán)輸入飽和，并進(jìn)行以下參數(shù)的設(shè)定或初始化：期望誤差最小值；最大循環(huán)次數(shù)；修正權(quán)值的學(xué)習(xí)速率；FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨(2)將原始圖像分為44或88大小的塊，選取其中一塊的像素值作為訓(xùn)練樣本接入到輸入層，計算各層輸出：FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨其中：f()為BP網(wǎng)絡(luò)中各層的傳輸函數(shù)。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨(3)計算網(wǎng)絡(luò)輸出與期望輸出之間的誤差，判斷是否小于期望誤差，是則訓(xùn)練結(jié)束，否則至下一步，其中反傳誤差的計算式為：FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨(4)計算各層誤差反傳信號；FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨(5)調(diào)整各層權(quán)值和閾值；FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨(6)檢查是否對所有樣本完成一次訓(xùn)練，是則返回步驟(2)，否則至步驟(7)；FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨(7)檢查網(wǎng)絡(luò)是否達(dá)到最大循環(huán)次數(shù)，是則訓(xùn)練結(jié)束，否則返回步驟(2)。 FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨經(jīng)過多次訓(xùn)練，最后找出最好的一組權(quán)值和閾值，組成三層前饋神經(jīng)網(wǎng)絡(luò)，用于該算法的FPGA設(shè)計。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨其中，在數(shù)據(jù)預(yù)處理部分，首先將原始圖像分成nn的小塊，以每一小塊為單位進(jìn)行歸一化。歸一化的目的，主要有以下兩點：FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨(1)BP網(wǎng)絡(luò)的神經(jīng)元均采用Sigmoid轉(zhuǎn)移函數(shù)，變換后可防止因凈輸入的絕對值過大而使神經(jīng)元輸出飽和，繼而使權(quán)值調(diào)整進(jìn)入誤差曲面的平坦區(qū)； FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨(2)Sigmoid轉(zhuǎn)移函數(shù)的輸出在-1+1之間，作為信號的輸出數(shù)據(jù)如不進(jìn)行變換處理，勢必使數(shù)值大的輸出分量絕對誤差大，數(shù)值小的輸出分量絕對誤差小。網(wǎng)絡(luò)訓(xùn)練時只針對輸出的總誤差調(diào)整權(quán)值，其結(jié)果是在總誤差中占份額小的輸出分量相對誤差較大，對輸出量進(jìn)行尺度變化后這個問題可迎刃而解。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨歸一化后得到以每小塊的灰度值為列向量組成的待壓縮矩陣，將該矩陣存儲在RAM里，然后以每一列為單位發(fā)送給先人先出寄存器FIFO(First Input FirstOutput)；由FIFO將向量x1，x2，xn以流水(pipe-line)方式依次傳人各乘累加器MAC(Multiply-Accu-mulate)，相乘累加求和后，送入LUT(Lookup Table)得到隱層相應(yīng)的節(jié)點值，這里L(fēng)UT是實現(xiàn)Sigmoid函數(shù)及其導(dǎo)函數(shù)的映射。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨在整個電路的設(shè)計中，采用IP(Intellectual Prop-erty)核及VHDL代碼相結(jié)合的設(shè)計方法，可重載IP軟核，具有通用性好，便于移植等優(yōu)點，但很多是收費(fèi)的，比如說一個高性能流水線設(shè)計的MAC軟核，所以基于成本考慮，使用VHDL語言完成MAC模塊的設(shè)計，而RAM和FIFO模塊則采用免費(fèi)的可重載IP軟核，使整個系統(tǒng)的設(shè)計達(dá)到最佳性價比。在壓縮算法的實現(xiàn)中，乘累加單元是共同部分，也是編碼和譯碼器FPGA實現(xiàn)的關(guān)鍵。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨22 乘累加器MAC的流水線設(shè)計及其仿真FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨流水線設(shè)計是指將組合邏輯延時路徑系統(tǒng)地分割，并在各個部分(分級)之間插人寄存器暫存中間數(shù)據(jù)的方法。流水線縮短了在一個時鐘周期內(nèi)信號通過的組合邏輯電路延時路徑長度，從而提高時鐘頻率。對于同步電路，其速度指同步電路時鐘的頻率。同步時鐘愈快，電路處理數(shù)據(jù)的時間間隔越短，電路在單位時間內(nèi)處理的數(shù)據(jù)量就愈大，即電路的吞吐量就越大。理論而言，采用流水線技術(shù)能夠提高同步電路的運(yùn)行速度。MAC電路是實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的重要組成部分，在許多數(shù)字信號處理領(lǐng)域也有著廣泛應(yīng)用，比如數(shù)字解調(diào)器、數(shù)字濾波器和均衡器，所以如何提高M(jìn)AC的效率和運(yùn)算速度具有極高的使用價值。本方案采用的MAC設(shè)計以四輸入為例。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨四輸入的MAC電路必須執(zhí)行四次乘法操作和兩次加法操作，以及最后的兩次累加操作。如果按照非流水線設(shè)計，完成一次對輸入的處理，需要這三步延遲時間的總和，這會降低一個高性能系統(tǒng)的效率。而采用流水線設(shè)計，則可以避免這種延遲，將MAC的操作安排的像一條裝配線一樣，也就是說，通過這種設(shè)計它可以使系統(tǒng)執(zhí)行的時鐘周期減小到流水線中最慢步驟所需的操作時間，而不是各步驟延遲時間之和，如圖3所示。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨在第一個時鐘邊沿，第一對數(shù)據(jù)被存儲在輸入寄存器中。在第一個時鐘周期，乘法器對第一對數(shù)據(jù)進(jìn)行乘法運(yùn)算，同時系統(tǒng)為下一對數(shù)據(jù)的輸入作準(zhǔn)備。在第二個時鐘邊沿，第一對數(shù)據(jù)的積存儲在第一個流水線寄存器，且第二對數(shù)據(jù)已經(jīng)進(jìn)入輸入寄存器。在第二個時鐘周期，完成對第一對數(shù)據(jù)積的兩次加法操作，而乘法器完成第二對數(shù)據(jù)的積運(yùn)算，同時準(zhǔn)備接收第三隊數(shù)據(jù)。在第三個時鐘邊沿，這些數(shù)據(jù)分別存放在第二個流水線寄存器，第一個流水線寄存器，以及輸入寄存器中。在第三個時鐘周期，完成對第一對數(shù)據(jù)和之前數(shù)據(jù)的累加求和，對第二對數(shù)據(jù)的兩次加法操作，對第一對數(shù)據(jù)的乘法運(yùn)算，并準(zhǔn)備接收第四對數(shù)據(jù)。在第四個始終邊沿，累加器中的和將被更新。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨在本設(shè)計方案中，測試仿真平臺選用的FPGA芯片為ALTERA公司Cyclone系列的EP2C8芯片，它采用90 nm的制造工藝，擁有8 256個邏輯單元，36個M4K隨機(jī)只讀存儲器，2個數(shù)字鎖相環(huán)，以及18個硬乘法器等豐富資源。仿真工具使用業(yè)界流行的MentorGraphics公司的仿真軟件Modelsim 61f。對設(shè)計進(jìn)行驗證時，常見的方法是在模擬時施加輸入激勵信號，然后“讀”該設(shè)計的輸出信號，它的主要缺點是隨著模擬器的不同而不同。為了克服此缺點，采用的測試方法是用VHDL編寫一個測試模型發(fā)生器，稱為Testbench，它的優(yōu)點是通用性好，靈活性強(qiáng)，可以隨時更改輸入激勵，已得到不同的仿真結(jié)果。在對該MAC模塊進(jìn)行測試的過程中，涉及輸入數(shù)據(jù)的轉(zhuǎn)化問題，如前所述，在本神經(jīng)網(wǎng)絡(luò)中，輸入數(shù)據(jù)歸一化后，集中在-1+1之間，所以處理時必須進(jìn)行轉(zhuǎn)化，最后采用16位補(bǔ)碼形式的定點二進(jìn)制表示法，由于在求和中可能會產(chǎn)生溢出，還必須包含一個溢l出狀態(tài)信號。輸入數(shù)據(jù)轉(zhuǎn)換16位補(bǔ)碼的仿真波形如圖4所示。 FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨16位補(bǔ)碼轉(zhuǎn)換原輸入實數(shù)的仿真波形如圖5所示。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨在完成了對輸入、輸出數(shù)據(jù)的轉(zhuǎn)換之后，編寫Testbench(測試臺)程序，對基于流水線設(shè)計的四輸入MAC進(jìn)行行為級仿真，仿真波形如圖6所示。 FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨綜上所述，在基于流水線的乘法設(shè)計中，雖然每一步操作后都加入了寄存器，消耗了更多的資源，但卻可以將系統(tǒng)延時降低到最慢步驟所需要的時間，極大地提高了同步電路的運(yùn)算速度。FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修段寂晤儒襟哦練揩可徊獺皇蹋啼牌蔡艦雛聞涎函掄盒艱床穎篙寨夫隨歹給效由瞪盡申災(zāi)沛洞鐵攘捏廣纏誤苔棵沼痛潤揉陽攀堂人送氨3 結(jié) 語FPGA設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計0 引 言 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)，并能在腦海中重現(xiàn)這些圖像信息，這不僅與領(lǐng)頑滋換妊修