卷积神经网络算法研究及其vlsi实现

《卷积神经网络算法研究及其vlsi实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文卷积神经网络算法研究及其VLSI实现RESEARCHANDVLSIIMPLEMENTATIONOFTHECONVOLUTIONALNEURALNETWORKALGORITHM宋博扬哈尔滨工业大学2016年12月万方数据国内图书分类号：TP183学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文卷积神经网络算法研究及其VLSI实现硕士研究生：宋博扬导师：王明江教授申请学位：工程硕士学科：集成电路工程所在单位：深圳研究生院答辩日期：2016年12月授予学位单位：哈尔滨工业大学万方数据ClassifiedIn

2、dex:TP183U.D.C:621.3DissertationfortheMaster’sDegreeofEngineeringRESEARCHANDVLSIIMPLEMENTATIONOFTHECONVOLUTIONALNEURALNETWORKALGORITHMCandidate：SongBoyangSupervisor：Prof.WangMingjiangAcademicDegreeAppliedfor：Master’sDegreeofEngineeringSpecialty：IntegratedCircuitEngineeri

3、ngAffiliation：ShenzhenGraduateSchoolDateofDefense：December,2016Degree-Conferring-Institution：HarbinInstituteofTechnology万方数据哈尔滨工业大学工程硕士学位论文摘要近年来，随着计算能力的提升和信息数据的爆炸性增长，机器学习的发展上升到一个新的高度，并且逐渐走入普通人的视线中。深度学习是机器学习的新领域，在各个行业中都受到了广泛的关注，深度学习技术也有着迅猛的发展。随着深度学习领域的发展，近年来对卷积神经网络的研究也越来越

4、深入。如今，卷积神经网络已经在各个领域有着广泛的应用，并取得了巨大的成果。卷积神经网络是一种基于多层监督学习的人工神经网络，不仅具有传统神经网络的优点，并且还具有部分连接和权值共享的特点。因而卷积神经网络广泛应用于物体检测与识别，目标跟踪和图像识别等领域，研究卷积神经网络具有非常重要的意义。本文主要是对卷积神经网络算法以及卷积神经网络VLSI实现的研究。本文对人工神经网络的发展及研究现状进行阐述，详细描述了卷积神经网络的原理及算法。本文完成了在Caffe深度学习框架下，Lenet-5卷积神经网络基于MNIST数据集，对手写数字的识别工作

5、，识别正确率达到99.11%。接着完成了在Caffe深度学习框架下，AlexNet卷积神经网络对图像识别的工作，识别正确率达到98%。本文完成了对卷积神经网络VLSI的实现，完成了整体卷积神经网络加速器总体架构的设计，卷积运算单元设计，卷积抽样层硬件实现，训练过程实现。并且针对卷积神经网络的并行性，对卷积神经网络的卷积层进行改进，使用一种新型的卷积神经网络运算处理单元和一种新的阵列排布结构。通过卷积神经网络加速器VLSI实现，与基于软件平台相比，速度有大幅度的提升，并且功耗大大降低。说明将卷积神经网络VLSI实现能够有效地提升卷积神经网

6、络的性能。关键词：卷积神经网络；深度学习；Caffe；VLSI-I-万方数据哈尔滨工业大学工程硕士学位论文AbstractInrecentyears,withtheimprovementofcomputingabilityandtheexplosivegrowthofinformationdata,thedevelopmentofmachinelearningrisestoanewlevel,andgraduallycomesintotheeyesofthepublic.Deeplearningisanewfieldofmachinel

7、earning,andhasalsobeenwidelyconcernedinvariousindustries.Deeplearningtechnologyalsohasarapiddevelopment,andwiththedevelopmentofthedeeplearningfield,theresearchofconvolutionalneuralnetworkhasbecomemoreandmoredeeplyinrecentyears.Now,convolutionalneuralnetworkiswidelyusedin

8、manyfields,andachievesgreatresults.Convolutionalneuralnetworkisakindofartificialneuralnetworkbasedonmul