论文部分内容阅读
神经网络是模拟人脑基本特性的智能系统,也是一门信息处理的科学。神经网络具有自适应学习、非线性映射、分布并行处理等特点。神经网络从单个神经元的模拟,到最终模拟大脑的信息处理功能。神经网络应用非常广泛,目前主要运用于非线性系统、网络故障、航空航天、智能机器人等领域。对于神经网络的研究主要分为三部分:理论研究、应用研究和实现技术研究。而实现技术上,主要有两种实现方法:软件实现和硬件实现。用软件实现神经网络,具有处理速度、并行程度低等缺点,这很难满足神经网络信息处理的实时性的要求。用硬件实现神经网络能体现网络的快速性、并行计算,且能实现大规模的信号处理,这在复杂的数据处理场合中是非常有利的。因此,硬件实现是神经网络发展的必然趋势。硬件实现方法中,基于模拟CMOS电路实现神经网络电路具有结构简单、集成速度快、占用芯片面积小、集成度高、功耗低等特点,因此本文研究采用模拟CMOS集成电路设计神经网络。神经网络模型中具有代表性的有:误差反向传播BP网络、径向基函数RBF网络、自组织网络、感知器、反馈Hopfield网络、小脑模型CMAC网络、模糊神经网络等。目前,已经用硬件实现了的神经网络有:BP网络、RBF网络、感知器等,而在其他的网络模型的硬件实现方案甚少。基于研究神经网络的全面性,本文主要研究用模拟CMOS电路实现自组织竞争神经和模糊神经网络,围绕这两种神经网络,做了如下相关工作:(1)针对神经网络的神经元模型中权值不可调的缺点,设计了线性可调运算跨导放大器和电流乘法器电路作为突触电路,通过改变外部电流实现权值可调功能,且设计的电路结构简单,线性度高。以此能作为基本单元应用于神经元电路中。(2)基于自组织竞争神经网络中竞争层算法难以实现的问题,设计了一种电流模式的最值电路模拟实现竞争算法,通过比较电流的大小达到竞争目的。该电路实现简单、模拟程度高、便于集成,与输入层结合能实现自组织竞争神经网络。(3)针对模糊神经网络的单元电路结构复杂且精度低的问题,本文对高斯函数电路、求小电路、去模糊电路的结构进行优化设计,从整体上提高模糊神经网络的精度和高速性。最后将设计的模糊神经网络用于实现一个非线性函数的逼近,并通过了仿真与验证。