论文部分内容阅读
神经网络是依照人脑的生理结构,建立仿人脑的结构与行为,20世纪80年代以来得到了迅速的发展。BP(back propagation)误差反向传播网络是目前研究和应用最为广泛的网络之一,拥有自组织、自适应和自学习等特征。 本文是基于0.25um的CMOS工艺,采用Agilent公司的ADS软件对神经网络的主要组成部件进行设计。 神经元作为神经网络的关键单元,首先对其工作原理作了细致的分析,在此基础上提出了信号加权模型和阈值函数模型。其中设计了模拟Gilbert乘法器作为加权功能的核心构成部分,用来实现神经元对输入信号的加权处理;为了更好地解决实际中的非线性问题,采用了单极性的Sigmoid函数发生器,实现信号传递的功能。为了很好的后续电路实现,文章还分别设计了电流电压转换器、信号比较器、加法器和电压跟随器。 最后分别实现误差发生器模块、权值调整模块,用这些模块与神经元合成一个输入层包含两个神经元、隐含层包含两个神经元、一个神经元输出的三层BP神经网络,并且是具有自学习能力的网络。 完成一个类生物神经元模型,同时分别对电路进行了ADS模拟仿真,数据显示设计简单并符合规范。本文采用的模拟方法实现,具有占用面积小,速度快的特点。应用能量梯度下降法的同时,并对BP算法进行一定的修正,以便于其电路的实现。