基于余弦函数的神经网络硬件实现

journal6 ›› 2001, Vol. 22 ›› Issue (4): 8-10.

基于余弦函数的神经网络硬件实现

( 1.湖南工业职业技术学院电气系,湖南长沙 410007;2. 长沙电力学院数计系,湖南长沙 410077)

出版日期:2001-12-15 发布日期:2013-01-05
作者简介:袁晓红( 1966- ) ,女, 湖南省新化县人,湖南工业职业技术学院电力系讲师,主要从事软件应用研究.
基金资助:
国家自然科学基金资助项目( 19974002)

The Design Method of the Circuit on the Cosine Basis Function Neural Networks

( 1. Hunan Industry Polytechnic , Changsha 410007, Hunan China; 2. Changsha University of Electr. Power, Changsha 410077,Hunan China)

Online:2001-12-15 Published:2013-01-05

摘要/Abstract

摘要：研究了正交余弦基函数神经网络模型和学习算法, 给出了仿真实例, 并提出了余弦函数基神经网络模型电路实现方案.仿真结果表明,该网络学习收敛速度快,可任意逼近非线性映射等优异性能. 此外,网络结构简单,便于电路实现, 一个余弦波振荡源经倍频即可实现隐层神经元电路.

关键词： 余弦函数, 神经网络, 电路实现

Abstract: The model, algorithm, emulation examples and hardwired circuit based on cosine basis function neural net-work are studied in detail. The emulation results show that the network has an execllent performance with its fast astringercy, and it may be arbitrarily imminent to nonlinear function. In addition, its circuit is easy to be designed because of the simple structure of cosine basis function neural network. All the neural cells are constructed with a single cosine oscillator and a series of frequency multiplier.

Key words: cosine basis function, neural network, circuit design method

袁晓红, 邹阿金. 基于余弦函数的神经网络硬件实现[J]. journal6, 2001, 22(4): 8-10.

YUAN Xiao-Hong, ZOU A-Jin. The Design Method of the Circuit on the Cosine Basis Function Neural Networks[J]. journal6, 2001, 22(4): 8-10.

378

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	0	0	378

来源	本网站	其他网站

次数	336	42
比例	89%	11%

摘要

515

最新录用	在线预览	正式出版

0	0	515

来源	本网站	其他网站

次数	413	102
比例	80%	20%

[1]	叶海燕. 基于卷积神经网络的特定目标文本情感分析模型[J]. 吉首大学学报（自然科学版）, 2024, 45(1): 24-29.
[2]	王宇, 张诗茹, 张渝佶, 周立群. 比例时滞神经网络的全局多项式镇定性[J]. 吉首大学学报（自然科学版）, 2022, 43(3): 15-25.
[3]	李家稳, 王崇旭, 王浩. 基于神经网络的桥下开挖竖向位移预测[J]. 吉首大学学报（自然科学版）, 2022, 43(2): 53-59.
[4]	王雨嫣, 廖柏林, 彭晨, 李军, 印煜民. 递归神经网络研究综述[J]. 吉首大学学报（自然科学版）, 2021, 42(1): 41-48.
[5]	李钰，段明秀，宋思思，李翅. 基于深度学习SSD模型的人数统计技术[J]. 吉首大学学报（自然科学版）, 2020, 41(2): 19-22.
[6]	伍逸凡，朱龙娇，石俊萍. 人工神经网络在信息过滤中的应用[J]. 吉首大学学报（自然科学版）, 2019, 40(3): 17-22.
[7]	张永胜，肖林. 二次最小化问题的有限时间递归神经网络求解[J]. 吉首大学学报（自然科学版）, 2019, 40(2): 21-26.
[8]	贺电，谭渡渡，何海零，邹晟，钟佳辰，王庭婷. 基于气象大数据的配网故障数量预测[J]. 吉首大学学报（自然科学版）, 2019, 40(1): 53-56.
[9]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[10]	丁李，曾水玲，熊涛. 基于BP神经网络的湘西民间方块苗文特征提取方法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 14-18.
[11]	韦建波，张栋柱，罗浩杰，谭惠，韦涛. 基于改进的RBF神经网络的配电网故障诊断模型[J]. 吉首大学学报（自然科学版）, 2018, 39(1): 54-58.
[12]	赵超越，张友华. 小麦赤霉病神经网络和偏最小二乘预测模型[J]. 吉首大学学报（自然科学版）, 2017, 38(4): 47-52.
[13]	向秋红,廖柏林,马川. 新型递归神经网络求解时变矩阵Moore-Penrose逆[J]. 吉首大学学报（自然科学版）, 2017, 38(3): 31-35.
[14]	汪思成，肖林，严慧玲. 基于不同误差函数的神经网络求解线性方程组[J]. 吉首大学学报（自然科学版）, 2016, 37(6): 26-28.
[15]	钱育蓉，于炯，英昌甜，杨兴耀. 一种分区BP人工神经网络图像差值算法[J]. 吉首大学学报（自然科学版）, 2016, 37(3): 28-33.