|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
本帖最后由 Heaven_1 于 2022-4-21 13:54 编辑
& e* L. O2 M. T! N1 N j( V$ O) i6 u. k; y4 }
摘 要:神经元的激活函数是神经网络的重要组成部分。 采用折线斜率为 2 的次幂的分段线性逼近方法实现激活函数
) _( l, M; m% m1 w' V: ~2 M(sigmoid 函数)及其导数的映射。 该方法在 FPGA 实现时不需要使用硬件乘法器, 而且可以节约大量的 RAM 单元。 由于神
/ r* z( G# v# W. ?0 O' j经网络的并行计算需要消耗大量的硬件乘法器和 RAM , 因此, 与其他方法相比, 该方法为整个神经网络的 FPGA 实现有效
2 _$ X9 a4 Z& r8 |2 p地节省了大量宝贵的 FPGA 资源, 可以较好地应用在 BP 神经网络的在线训练中。
* \8 R6 b' R3 I& R9 b) B+ o' o# @. c% u7 L
关键词:: M' T2 A; l. N2 ]+ h
神经网络; sigmo id 函数; 分段线性逼近; FPGA
( u3 P# Q/ S/ M! I- a& ]/ Q
9 j# k& p5 V& I2 p2 U5 c8 W |
|
/1 
发表于 2022-4-21 11:20
收藏
淘帖
支持！
反对！