专用指令集在基于FPGA的神经网络加速器中的应用#br#

近年来，表现出极其优越性能的神经网络算法对硬件算力的要求逐渐提高.在一些低功耗场景如星载系统中，拥有可编程重构、高并行等特性的FPGA是神经网络算法较为合适的硬件加速平台.为了解决传统神经网络硬件加速器设计中片内资源消耗大、各功能模块耦合性高等问题，设计实现了一套专用AI指令集并应用在了基于FPGA的神经网络加速器的设计中.文章首先介绍了该指令集的设计方案.整个指令集由指令寄存器、指令解释器、指令转发模块、内存管理单元和多个模块构成.通过该指令集可实现对不同模块的复用，降低模块之间的耦合性.并以YOLOV3 Tiny网络模型为例，对比了平铺式和指令控制式两种加速方案的逻辑资源的消耗.验证了应用专用指令集可以减少约50%的FPGA逻辑资源的使用.     

具有时变权矩阵的离散Hopfield神经网络的稳定性

研究了以并行工作模式进行演化的具有时变连接权矩阵的离散Hopfield神经网络,得到了判定网络稳定的2个充分条件,改进了已有结果。     

基于可靠性优化的芯片自愈型硬件细胞阵列布局方法

以提高可靠性为目标,研究芯片自愈型硬件细胞阵列布局的新结构和新方法。针对传统可靠性模型无法体现细胞内部模块随布局结构动态变化的不足,通过细胞单元电路资源消耗分析,面向二维阵列结构进行了新的可靠性建模。根据新模型,在分析布局结构参数对可靠性影响程度的基础上,提出了一种先分块再分层的细胞布局新结构。用实例验证了新布局结构对可靠性提高的有效性,给出了不同设计任务和细胞电路设计方法情况下确定最佳布局方式的计算方法,并总结出了新布局结构中分块、分层参数选择规律,最终论证了最佳布局方式计算方法和参数选择规律的一般适用性。     

Intelligent modeling and identification of aircraft nonlinear flight

In this paper, a new approach has been proposed to identify and model the dynamics of a highly maneuverable fighter aircraft through artificial neural networks（ANNs）. In general, aircraft flight dynamics is considered as a nonlinear and coupled system whose modeling through ANNs, unlike classical approaches, does not require any aerodynamic or propulsion information and a few flight test data seem sufficient. In this study, for identification and modeling of the aircraft dynamics, two known structures of internal and external recurrent neural networks（RNNs） and a proposed structure called hybrid combined recurrent neural network have been used and compared.In order to improve the training process, an appropriate evolutionary method has been applied to simultaneously train and optimize the parameters of ANNs. In this research, it has been shown that six ANNs each with three inputs and one output, trained by flight test data, can model the dynamic behavior of the highly maneuverable aircraft with acceptable accuracy and without any priori knowledge about the system.     

基于多层感知器神经元的空间柔性机器人位置跟踪控制

针对基体位置及姿态均不受控的自由漂浮柔性空间机器人轨迹跟踪问题,提出了一种前馈多层感知器(MLP)神经网络控制策略.建立了末端柔性的自由漂浮基机器人的耦合动力学模型,再利用MLP神经网络良好的逼近能力来自适应补偿非线性柔性臂的逆动力学模型,其误差代价函数由PID控制器提供,权重及阀值的调整采用改进的BP反传算法.最后通过仿真比较详细分析了所提方案的工作机理及对非线性强耦合系统控制的有效性.     

一类Cohen-Grossberg型BAM脉冲神经网络周期解的存在性和全局指数稳定性

利用Lyapunov泛函、不等式方法及Poincaré映射,建立了一类具有混合时滞的Cohen-Grossberg型BAM脉冲神经网络周期解的存在性和全局指数稳定性的充分性判据。     

航空型号项目风险预测的BP神经网络模型及应用

本研究克服了单纯采用专家风险因子测度方法主观性较强的缺点,以及单纯采用人工神经网络评估模型模糊性的缺点,结合两种方法的优点,利用基于BP神经网络算法的Microsoft Visual C++程序,在专家风险因子测度基础上,通过大量风险评估成功案例数据的训练,成功建立了航空型号项目风险预测模型.该模型可以较为精确、客观地...     

《计测技术）2011年第1期目次

基于RBF神经网络的微惯性测量组合标定双轨法D—InSAR 形变测量的误差分析 渗透法标准湿度发生器中渗透管的研制     

越毒越美丽

藏在后花园的杀手舟形乌头学名"Aconitum napellus"。有一次,有人问毒植物研究专家斯图尔特,什么植物才是谋杀晚宴宾客的最理想选择。认真思索之后,她给出了舟形乌头这个答案。她说:"你只要将它的根剁碎然后炖,就能获得一个杀人利器,根本无需求助于化工厂。"舟形乌头开出紫色的花,通常栖身于后院花园内。它们舍有有毒的乌头生物碱,能够导致窒息。     

基于神经网络的超精密车床圆柱度误差补偿技术研究

根据所研制的超精密亚微米车床的具体特点，提出了一种基于神经网络的工件圆柱度误差补偿方法，并据此建立了误差补偿控制系统，实验结果证明所提方法简单易行，在超精密车削中应用前景广阔。