论文部分内容阅读
人工神经网络的研究可分为三个主要领域:神经网络理论研究、神经网络应用研究和神经网络实现技术研究.该论文围绕这三个方面开展了比较全面深入的研究工作.不论神经网络是用硬件实现还是用软件在通用计算机上模拟,其最基本的单元是神经元,因而神经元的计算方法和功能是决定神经网络性能的最基本的基础.文章通过对现有神经元模型的理论研究,针对它们通用性不强、难于硬件实现的缺点,介绍一种真正意义上的通用神经元模型——多权值突触神经元(MWN)模型,并采用高维空间几何分析方法,对MWN的一种特例——双权值突触神经元(DWN)的几何特性进行深入分析.神经网络硬件与传统计算机在计算原理和体系结构上有着本质的区别,因此流水线式浮点运算部件的设计方法并不适合于神经网络的实现技术.论文以组合逻辑设计和ROM查表相结合的方法实现了双权值突触神经元的硬件设计,使硬件神经元具有单节拍浮点突触联接运算能力,以之为基本构造单元的可变拓扑结构通用神经网络硬件CASSANN-Ⅱ具有更强的适应能力和更好的网络性能.结合通用算术逻辑部件和神经网络硬件分别在逻辑运算与形象思维方面的特长,文中提出一种新的仿生智能系统结构模型,并根据其设计思想,以CASSANN-Ⅱ为原型,完成了脱离微机的模式识别专用神经计算机CASSANN-Ⅱspr的系统结构设计与硬件实现.文章对神经网络模式识别应用进行了研究,基于仿生模式识别理论,以CASSANN-Ⅱspr为平台,实现学习与识别分离的实物识别演示系统嵌入式开发.实现结果表明,该系统正确识别率高达99.86﹪;随着训练样本数目的减少,仍能保持良好的识别性能;而且性能价值比高、操作简单,适合于人工智能学科教学的演示教具,激发学生探索科学的兴趣.