前饋人工神經(jīng)網(wǎng)絡的CMOS模擬電路實現(xiàn)研究.pdf

1、人工神經(jīng)網(wǎng)絡(Artificial Neural Network, ANN)是一種旨在模擬人腦神經(jīng)活動機理的非線性信息處理系統(tǒng)，具有分布并行計算、自組織學習、容錯性的特點，目前已廣泛應用于數(shù)據(jù)分析、人工智能、預報和智能信息管理等領域。
　　作為人工神經(jīng)網(wǎng)絡研究的重要組成部分，神經(jīng)網(wǎng)絡的實現(xiàn)方式主要有硬件實現(xiàn)和軟件實現(xiàn)?；谲浖崿F(xiàn)的神經(jīng)網(wǎng)絡并行計算能力較差，難以滿足網(wǎng)絡的實時運算要求，而采用硬件實現(xiàn)方式的神經(jīng)網(wǎng)絡充分發(fā)揮了網(wǎng)絡并行

2、處理信息的快速性和精確性，從而有助于解決高度復雜的數(shù)據(jù)問題。而在神經(jīng)網(wǎng)絡硬件實現(xiàn)方式中，相對于數(shù)字實現(xiàn)方式，采用模擬電路實現(xiàn)的神經(jīng)網(wǎng)絡雖易受到外界噪聲的影響，但也具有占用芯片面積小、運算快、線性度好等優(yōu)點，因而成為當今及未來神經(jīng)網(wǎng)絡實現(xiàn)技術(shù)研究的重要內(nèi)容。
　　目前采用模擬電路實現(xiàn)的神經(jīng)網(wǎng)絡種類較少，且已實現(xiàn)的網(wǎng)絡在電路結(jié)構(gòu)、性能等方面還可進一步得到優(yōu)化和提升。基于神經(jīng)網(wǎng)絡硬件實現(xiàn)研究的全面性，本文采用CMOS模擬電路完成了兩種前

3、饋人工神經(jīng)網(wǎng)絡——感知器和模糊神經(jīng)網(wǎng)絡的硬件設計與性能分析，并探討了其應用。本文完成的主要工作及創(chuàng)新點有：
　?。?）為實現(xiàn)神經(jīng)元激勵函數(shù)的多參數(shù)可調(diào)與電路的結(jié)構(gòu)優(yōu)化，分別設計了梯形函數(shù)電路、Sigmoid函數(shù)電路和高斯函數(shù)電路。提出的高斯函數(shù)電路由兩個交叉耦合差分對管構(gòu)成，可通過改變尾電流和偏置電壓實現(xiàn)對函數(shù)各參數(shù)的調(diào)節(jié)，并可通過增加差分對數(shù)的方式實現(xiàn)函數(shù)的多類型輸出。而設計的Sigmoid函數(shù)電路不僅能實現(xiàn)單極性和雙極性Sig

4、moid函數(shù)輸出，而且可通過調(diào)節(jié)電路的偏置電壓和電流實現(xiàn)對函數(shù)增益因子、幅值和閾值的編程。
　?。?）為實現(xiàn)神經(jīng)網(wǎng)絡突觸電路的權(quán)值修正功能，分別提出了電流模式四象限乘法器和線性可調(diào)全差分OTA，電路均可通過改變外部偏置電流實現(xiàn)對突觸權(quán)值的調(diào)整，且實現(xiàn)的突觸模塊電路具有線性度好、精度高、輸入輸出范圍廣等優(yōu)點，可作為基本線性加權(quán)模塊應用到各類神經(jīng)網(wǎng)絡中。
　　（3）為解決模糊神經(jīng)網(wǎng)絡硬件電路結(jié)構(gòu)復雜、輸出精度低的問題，分別采用高