论文部分内容阅读
ZISC(Zero Instruction Set Computer——零指令集计算机)神经网络芯片,是目前国外先进、成熟的神经网络芯片,已经被广泛应用于产品检测、物体识别、字符识别、图像跟踪等领域。本文通过分析、解剖以及模拟ZISC神经网络芯片的架构,归纳出芯片成功之处主要有三:一是以模拟技术取代指令集方式实现RBF(Radial Basis Function径向基函数神经网络)的高速运算;二是具有可扩展的并行计算能力;三是具有完备的前端数据处理功能。这三个优点简化了模式识别应用系统的开发研究过程,提高了系统识别处理的效率,扩展了系统的应用范围。
本文重点讨论了ZISC神经网络芯片所采用的相关技术,分析其各个组成模块的功能,学习其先进的设计理念。以ZISC芯片为实现平台,结合模拟识别系统架构,实现一个OCR字符识别系统。实验证明以ZISC芯片为核心开发的模式识别系统,能够大幅提高识别性能,又能缩短开发周期。依照模式识别系统的组成特点,深入了解RBF神经网络的学习训练算法,结合实际应用需求,模拟ZISC神经网络芯片的架构,开发实现一套字符识别系统。
在该字符识别系统中,采用了模块化的设计思路,针对特殊的验证码识别问题,通过模板匹配特征提取方法,并以MATLAB辅助JAVA模拟实现了数据获取模块,预处理模块,特征提取模块,神经网络分类器模块以及管理模块。在系统实验与测试中,验证码的识别率达到100%,识别速度为每0.072秒/个,证明该模拟字符识别系统可用于验证码识别,并有较好的精度与效率。使用java对这个识别系统封装后,作为一个功能模块成功运用在某数据采集软件中。这个模式识别开发框架,可以针对无线电频谱识别,雷达、声纳特征识别、图像跟踪等特定的模式识别问题,通过修改、重写部分模块的实现代码,方便地构建专用的模式识别系统,有一定的二次开发应用价值。