|
|
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 # `5 ]& g% x9 Z+ ^! t9 R8 C
* n( l2 h$ R1 r5 q
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
" P4 i* M. N0 @(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
1 d- g0 |: M* R" p4 V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 8 L4 i9 u4 S6 l0 B
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。 , K; Y# ?4 a; [# w# P4 W& Y
$ a. k; R! V8 L" I d* S关键词:
- ~7 H+ D8 U& n4 e神经网络; sigmo id 函数; 分段线性逼近; FPGA8 b* c* o: |4 ~ s- k" H
j+ k3 n' q* j, l1 s |
|
/1 
发表于 2022-4-21 11:20
收藏
淘帖
支持！
反对！