概要：针对脉冲耦合神经网络(PCNN)具备神经元脉冲实时唤起、合适硬件构建的特点，明确提出了一种基于FPGA的PCNN实时处理系统。系统设计了时钟方波、串口通信、串并切换、PCNN结构和VGA表明等功能模块，利用Verilog语言已完成各个模块的硬件叙述，并在ModelSim10.0c环境下展开了建模，最后在AlteraCvcloneII研发平台上对系统展开了检验。
实验结果表明，该系统已完成了PCNN的FPGA构建，实时性较好。 人工神经网络在智能控制、模式识别、图像处理等领域中应用于普遍。
在展开神经网络的应用于研究时，人们可以将神经网络模型或算法在标准化的计算机上软件编程构建，但很多时间浪费在分析指令、朗读载入数据等，其构建效率并不低。软件构建的缺点是分段程度较低，因此利用软件构建神经网络的方法无法符合某些对数据实时处理拒绝较高的场合(如工业掌控等领域)。 目前构建大规模、实时性拒绝低的神经网络，传统的软件算法构建方法表明出有其无法符合速度等拒绝的严重不足。
此外，在建构神经网络时必定必须考虑到硬件构建问题。由于神经网络具备并行计算的特点和功能，可以有效地考古算法本身的分段特性，明确提出高效的硬件电路结构，从而已完成神经网络的硬件构建。
脉冲耦合神经网络(PulseCoupledNeuralNetwork，PCNN)是新一代的神经网络，在研究猫等哺乳动物的视觉神经元时，根据其脉冲实时派发的工作原理所明确提出的。目前，PCNN理论仍在发展中，由于其独有的分段性能，在图像拆分与光滑、边缘检测与细化、决策与优化等领域应用于普遍。
当前的研究重点在于模型的优化和软件的构建，而涉及的硬件构建在国内并不多见，PCNN分段结构的特性为硬件构建获取了有可能。 1PCNN的基本原理 脉冲耦合神经网络是一种单层模式的两维神经网络，它的基本单元是脉冲耦合网络的神经元。图1为PCNN的单个神经元模型框图，它由输出部分、相连调制部分、脉冲发生器部分3部分包含。 输出部分即接管域，其接管信号来源有两部分：附近神经元产生的信号和外部的输出鼓舞。
这两部分信号通过两个有所不同的路径展开传送，其中一个路径传送对系统输出信号，其包括外部输出鼓舞，该路径即为F路径;另一个路径传送相连输出信号，其包括来自附近神经元产生的信号，该路径即为L路径。 相连调制部分已完成上述两个路径信号的耦合，经过一定的信号处理，产生神经元的内部活动项。该信号处理必须首先通过一个正的单位偏置和L路径的相连输出信号的相加，然后与F路径的对系统输出信号已完成相加调制。
该神经元的内部活动项即为信号经调制获得的乘积结果。 脉冲发生器和阈值大小变化的较为器包含PCNN单个神经元的脉冲再次发生部分。
如果超过脉冲派发条件，则该脉冲发生器起起到，收到一个频率恒定恒定的脉冲，此时神经元正处于点燃状态。 根据图1模型，每个神经元按照公式(1)已完成递归运算，构建上述PCNN的功能。 式(1)中，Fij[n]是某个神经元的第n次对系统输出信号;F与L回应递归时间常数;Sij回应外部输出常数，在图像处理时即为像素矩阵中像素的灰度值;Lij[n]是神经元的线性输出项;wijkl与mijkl回应神经元间连接起来权值系数;Uij[n]是神经元的内部活动项;Tij[n]是Uij[n]否唤起分解脉冲的动态阈值;是神经元神经元间的相连强度系数;Yij[n]为PCNN的脉冲输入项。
由于信号Lij[n]比信号Fij[n]变化慢，经过相加调制的信号Uij[n]就等同于把一个较慢变化的信号特在一个近似于恒定的信号上。 如果某个神经元点燃，即收到一个脉冲信号，那么由于内部活动项小于当前的门限阈值，下一次递归运算后阈值将通过其时间常数T和幅度系数VT忽然逆大。
而此时递归后的阈值Tij[n]远大于Uij[n]，因此神经元将被诱导，脉冲信号暂停输入，即正处于并未点燃状态。在这一状态下，周围神经元大大点燃，产生号召的脉冲信号，通过L路径的输出提升内部活动项，与此同时阈值经指数运算大大较小。在某一次递归时，当前阈值将再度大于Uij[n]，此时神经元将被转录，脉冲信号开始输入，即神经元再度被点燃。
如此周而复始，不必神经元在点燃和为点燃状态展开转换，从而构建脉冲实时唤起。
本文关键词：基于,FPGA,的,脉冲,耦合,神经网络,亚慱体育app在线下载,硬件,实现
本文来源：亚慱体育app在线下载-www.hdysxhd.com
