一种基于现场可编程门阵列实现神经网络计算的方法

摘要

本发明涉及一种基于现场可编程门阵列实现神经网络计算的方法，属于神经网络计算技术领域。首先建立现场可编程门阵列中基本逻辑单元与神经网络各组成部分的映射关系，用编程语言，描述现场可编程门阵列各个基本逻辑单元的功能，建立现场可编程门阵列中的所有基本逻辑单元的模型，通过FPGA与神经网络结构的映射关系来模拟神经网络，通过FPGA基本逻辑单元间互联关系的重新配置以及其自身的运算能力完成网络的自学过程，相比现阶段追求与真实神经网络结构一致的方法，本发明在模拟相同复杂度的神经网络时能较大的减少硬件开销。其次，本发明在现场可编程门阵列软件模型上完成神经网络的学过程，大大地减少了学的周期，节省了时间成本。

主权项

一种基于现场可编程门阵列实现神经网络计算的方法，其特征在于该方法包括以下步骤：(1)建立现场可编程门阵列中基本逻辑单元与神经网络各组成部分的映射关系；(2)用编程语言描述现场可编程门阵列各个基本逻辑单元的功能，建立现场可编程门阵列中的所有基本逻辑单元的模型，将所有基本逻辑单元的模型根据现场可编程门阵列的结构进行组合，得到现场可编程门阵列的模型；(3)对步骤(2)的现场可编程门阵列的模型设定多个配置信号，配置信号为现场可编程门阵列中各基本逻辑单元的互联关系和各基本逻辑单元的功能定义，使现场可编程门阵列模型中的各基本逻辑单元形成类神经网络的互联关系，将一个与神经网络计算相应的输入信号施加到现场可编程门阵列模型中，记录与该互联关系相对应的输出信号；(4)根据神经网络学习算法，优化步骤(3)中的基本逻辑单元之间的互联关系，使现场可编程门阵列软件模型对应特定的输入具有特定的输出，现场可编程门阵列内部基本逻辑单元之间形成稳定互联关系；(5)将步骤(4)的稳定互联关系映射到现场可编程门阵列中，该现场可编程门阵列完成神经网络计算。