导读:本文包含了动态可重构神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:可重构逻辑电路,细胞神经网络,降维投影,差分进化算法
动态可重构神经网络论文文献综述
刘砚一[1]（2018）在《基于细胞神经网络的动态可重构逻辑电路关键技术研究》一文中研究指出传统的计算机体系结构是静态的,工程师在进行处理器芯片设计时,芯片能够执行的功能通常是固定且不可更改的,导致现有的计算机硬件系统缺乏一定的灵活性与可控性。可重构技术使得未来的计算机体系可以根据消费者的不同需求动态地改变内部器件的结构和功能,这是一种新型的动态的计算机架构体系。可重构计算与可重构硬件设计的相关研究是构建这种新型计算体系的关键技术之一。本文以建立一个基于细胞神经网络的可重构动态逻辑计算模型及其电路实现的体系为主要目标,分别重点研究了非耦合标准CNN、非耦合异构CNN以及耦合标准CNN叁类CNN模型,探讨了这叁类模型构建可重构动态逻辑电路的设计思路与实现方案。在考虑工程应用的前提下,提出了设计细胞模板参数的一般性准则,并运用差分进化算法对参数进行优化求解。为解决CNN实现多输入量线性不可分布尔函数(Non-LSBF)的问题,提出了一种改进型CFC线性不可分布尔函数分解算法,并通过构建一种非耦合异构CNN模型,以更少的硬件资源实现(Non-LSBF)。本文对利用具有复杂动力学特性的耦合标准CNN实现具有可重构功能的多输入多输出逻辑功能电路也做了较深入探索,拓宽并发展了动态逻辑电路的设计理论。论文主要研究内容及贡献包含以下几个方面:(1)研究非耦合标准CNN动力学特性,分析非耦合标准CNN收敛于稳定二值状态时参数约束条件,提出更为简洁且适于实际电路实现的CNN模板参数设计原则,成功构建了14种基本两输入单输出动态逻辑门。设计并验证了基于运算放大器的单细胞电路。同混沌系统相比,基于CNN系统构成的可重构计算单元更易于VLSI实现,并具有对初始值依赖度低等优点。(2)分析并扩充了实现较大规模可重构组合逻辑、时序逻辑电路模块的思路与方法。通过改进经典CFC分解算法,降低了电路的硬件资源开销。在可重构时序逻辑电路方面,设计了一种基于非耦合标准CNN的可重构D触发器,通过调整细胞模板参数值,可动态实现时钟边沿可控的单边沿D触发器以及双边沿D触发器。(3)提出构建非耦合异构CNN来实现多输入量Non-LSBF。依据一定优化准则,对表示多输入量Non-LSBF的高维空间数据样本进行降维投影处理,从而建立起相应的判别式方程表达式,并构造出两类非耦合异构CNN模型结构。采用非耦合异构CNN模型实现Non-LSBF可较大地简化系统结构,减少实际电路硬件资源的占用。(4)由于耦合的CNN系统具有更丰富的非线性特性,本文设计了一个具有外部输入的叁元耦合标准CNN模型来构造多输入多输出可重构电路。首先分析了这个叁元耦合标准CNN模型的稳定性,然后以此模型为基础实现了一个3-bit的具有可重构功能的联想记忆电路,并深入探讨了该模型的系统状态变量x_i的初始值对实现联想记忆功能的影响。(5)通过分析CNN系统收敛于二值稳定状态的基本约束条件,在考虑工程应用的前提下,针对不同类型的CNN模型,提出了一个适用于工程实现的细胞模板参数设计准则,将细胞模板参数求解与优化问题转化为一个非线性规划问题进行求解,采用差分进化算法对该优化问题进行求解。最后选取几组模板参数带入到电路中进行验证并对仿真结果进行分析。(本文来源于《南京航空航天大学》期刊2018-04-01）
林剑锋[2]（2009）在《动态可重构神经网络实现及气体识别方法研究》一文中研究指出挥发性有机物(VOC),主要来源于建筑材料、室内装饰材料、生活和办公用品及室外工业废气等,对人类健康的危害正得到人们越来越多的重视。因此,制备能够检测不同VOC的气体传感器及研究混合气体识别方法是非常有意义的工作。由于半导体气体传感器自身的交叉敏感性,许多单一气体传感器无法对某种气体进行准确的识别与测量。基于气体传感器阵列的电子鼻技术得到研究人员的广泛关注。在本论文中,利用纳米SnO_2材料及不同掺杂敏感材料分别制备了几种气体传感器,并组成传感器阵列实现对甲醛、乙醇、甲苯和丙酮混合气体的识别与测量,各气体成分的测量浓度范围为:1 ppm～5 ppm。人工神经网络(ANN)是目前混合气体识别技术中普遍采用的方法之一。本论文分别研究比较了几种常用神经网络,BP、RBF及ANFIS,在混合气体识别与测量中的应用。叁种网络的预测误差分别为:BP:3.16%、RBF:2.70%、ANFIS:1.96%,从中可以看出,在预测精度上:ANFIS＞RBF＞BP。采用PCA和ICA方法对气体传感器阵列数据样本进行预处理有利于提高神经网络对混合气体浓度的预测精度。利用可编程逻辑器件(如CPLD、FPGA),能真正实现神经网络的并行计算特点,加快计算速度,满足实时性要求。本论文在Xilinx VertexⅡPro开发板上分别构建了BP和RBF两种神经网络,并对其进行了仿真与测试。实验结果表明,硬件实现神经网络,在运算速度上要比软件实现快两个数量级。考虑到在实际应用时,神经网络结构中神经元个数经常难以确定等具体问题,利用片上网络(NoC,Network-on-chip)具有良好的可扩展性及并行通信能力的特点,本论文提出了一种基于NoC结构的动态可重构神经网络(DRANN,DynamicReconfigurable ANN)。利用DRANN,不仅能够实现神经网络中输入层、隐层和输出层神经元个数的实时、动态调整,而且可以实现基于不同数学模型的分布式神经网络,并为分布式神经网络间并行通信提供可能。(本文来源于《大连理工大学》期刊2009-11-01）
动态可重构神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
挥发性有机物(VOC),主要来源于建筑材料、室内装饰材料、生活和办公用品及室外工业废气等,对人类健康的危害正得到人们越来越多的重视。因此,制备能够检测不同VOC的气体传感器及研究混合气体识别方法是非常有意义的工作。由于半导体气体传感器自身的交叉敏感性,许多单一气体传感器无法对某种气体进行准确的识别与测量。基于气体传感器阵列的电子鼻技术得到研究人员的广泛关注。在本论文中,利用纳米SnO_2材料及不同掺杂敏感材料分别制备了几种气体传感器,并组成传感器阵列实现对甲醛、乙醇、甲苯和丙酮混合气体的识别与测量,各气体成分的测量浓度范围为:1 ppm～5 ppm。人工神经网络(ANN)是目前混合气体识别技术中普遍采用的方法之一。本论文分别研究比较了几种常用神经网络,BP、RBF及ANFIS,在混合气体识别与测量中的应用。叁种网络的预测误差分别为:BP:3.16%、RBF:2.70%、ANFIS:1.96%,从中可以看出,在预测精度上:ANFIS＞RBF＞BP。采用PCA和ICA方法对气体传感器阵列数据样本进行预处理有利于提高神经网络对混合气体浓度的预测精度。利用可编程逻辑器件(如CPLD、FPGA),能真正实现神经网络的并行计算特点,加快计算速度,满足实时性要求。本论文在Xilinx VertexⅡPro开发板上分别构建了BP和RBF两种神经网络,并对其进行了仿真与测试。实验结果表明,硬件实现神经网络,在运算速度上要比软件实现快两个数量级。考虑到在实际应用时,神经网络结构中神经元个数经常难以确定等具体问题,利用片上网络(NoC,Network-on-chip)具有良好的可扩展性及并行通信能力的特点,本论文提出了一种基于NoC结构的动态可重构神经网络(DRANN,DynamicReconfigurable ANN)。利用DRANN,不仅能够实现神经网络中输入层、隐层和输出层神经元个数的实时、动态调整,而且可以实现基于不同数学模型的分布式神经网络,并为分布式神经网络间并行通信提供可能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态可重构神经网络论文参考文献
[1].刘砚一.基于细胞神经网络的动态可重构逻辑电路关键技术研究[D].南京航空航天大学.2018
[2].林剑锋.动态可重构神经网络实现及气体识别方法研究[D].大连理工大学.2009