- 相關推薦
徑向基函數(shù)神經網絡芯片ZISC78及其應用
摘要：ZISC78是IBM公司和Sillicon公司聯(lián)合生產的一種具有自學習功能的徑向基函數(shù)神經網絡芯片，文中主要介紹了ZICS78芯片的功能、原理，給出了ZISC78神經網絡芯片在艦載武器系統(tǒng)中進行船舶運動實時預報的應用方法。１ 引言
神經網絡是近年來得到廣泛關注的一種非線性建模預報技術。它具有自組織、自學習、自適應和非線性處理、并行處理、信息分布存儲、容錯能力強等特性，對傳統(tǒng)方法效果欠佳的預報領域有很強的吸引力�；谏窠浘W絡的非線性信息處理方法已應用于軍事信息處理及現(xiàn)代武器裝備系統(tǒng)的各個方面，并有可能成為未來集成智能化的軍事電子信息處理系統(tǒng)的支撐技術。該技術在一些先進國家已部分形成了現(xiàn)實的戰(zhàn)斗力。
船舶在波浪中航行，會受到風、浪和流的影響，因而將不可避免地發(fā)生搖蕩運動。嚴重的搖蕩會使船員工作效率下降、物品損壞、軍艦的戰(zhàn)斗力下降。如果能夠預知未來一段時間船舶的運動情況，不僅有利于盡早采用先進控制算法控制艦載武器平臺隔離船舶運動的影響，使其始終穩(wěn)定瞄準目標，而且還可獲得未來一個海浪周期內的船舶運動情況，以研究船載武器上層的控制策略，從而提高火力密度，因此，有必要研究在海浪中具有一定精度的海浪中船舶運動的短期預報。此外，如能有效準確地預報船舶的橫搖運動，對于提高船舶的耐波性和適航性也有重要意義。
國內外學者也將神經網絡用于船舶運動預報研究，但往往沒有考慮實時性等實現(xiàn)問題，因而不能實用化。神經網絡實現(xiàn)技術是神經網絡研究的一個重要方面。神經網絡實現(xiàn)可分為全硬件實現(xiàn)和軟件實現(xiàn)兩種。目前神經網絡的實現(xiàn)還主要以軟件模擬為主，由于現(xiàn)行的馮諾曼計算機體系結構不能實現(xiàn)并行計算，因而神經網絡軟件的實時應用還受到一定限制。
目前，一些著名集成電路制造公司如Ｉｎｔｅｌ、Ｍｏ-ｔｏｒｏｌａ、松下、日立、富士通等均已推出自己的模擬或數(shù)字神經網絡芯片，這些芯片無論在網絡規(guī)模還是運行速度上都已接近實用化的程度，因而給神經網絡應用的發(fā)展以極大的推動。
由于艦載武器系統(tǒng)，需選用具有在片學習功能的神經網絡芯片，即將網絡訓練所需的反饋電路及權值存儲、計算和修正電路都集成在了一個芯片，因而可實現(xiàn)全硬件的、具有自學習能力的神經網絡系統(tǒng)，也可以說，這是一種具有自適應能力的神經網絡。
２ ＺＩＳＣ７８的功能及工作原理
ＺＩＳＣ７８是由ＩＢＭ公司和Ｓｉｌｌｉｃｏｎ聯(lián)合研制的一種低成本、在線學習、３３ＭＨｚ主頻、ＣＭＯＳ型１００腳ＬＱＦＰ封裝的ＶＬＳＩ芯片，圖１所示是ＺＩＳＣ７８的引腳排列圖。ＺＩＳＣ７８的特點如下：
●內含７８個神經元；
●采用并行結構，運行速度與神經元數(shù)量無關；
●支持ＲＢＦ／ＫＮＮ算法；
●內部可分為若干獨立子網絡；
●采用菊花鏈連接，擴展不受限制；
●具有６４字節(jié)寬度向量；
●Ｌ１或ＬＳＵＰ范數(shù)可用于距離計算；
●具有同步／異步工作模式。
２．１ ＺＩＳＣ７８神經元結構
ＺＩＳＣ７８采用的神經元結構如圖２所示，該神經元有以下幾種狀態(tài)：
(１)休眠狀態(tài)：神經網絡初始化時，通常處于這種狀態(tài)。
(２)準備學習狀態(tài)：任何時侯，神經網絡中的神經元都處于這種狀態(tài)。
(３)委托狀態(tài)：一個包含有原型和類型的神經元處于委托狀態(tài)。
(４)激活狀態(tài)：一個處于委托狀態(tài)的神經元，通過評估，其輸入矢量處于其影響域時，神經元就被激活而處于激活狀態(tài)。
(５)退化狀態(tài)：當一個神經元的原型處于其它神經元類型空間內，而大部分被其他神經元類型空間重疊時，這個神經元被宣布處于退化狀態(tài)。
２．２ ＺＩＳＣ７８神經網絡結構
從圖３所示的ＺＩＳＣ７８神經網絡結構可以看出，所有神經元均通過“片內通信總線”進行通信，以實現(xiàn)網絡內所有神經元的“真正” 并行操作�！捌瑑韧ㄐ趴偩�”允許若干個ＺＩＳＣ７８芯片進行連接以擴大神經網絡的規(guī)模，而這種操作不影響網絡性能。
ＺＩＳＣ７８片內有６ ｂｉｔ地址總線和１６ ｂｉｔ數(shù)據總線，其中數(shù)據總線用于傳輸矢量數(shù)據、矢量類型、距離值和其它數(shù)據。
２．３ ＺＩＳＣ７８的寄存器組
ＺＩＳＣ７８使用兩種寄存器：全局寄存器和神經元寄存器。全局寄存器用于存儲與所有神經元有關的信息，每片僅有一組全局寄存器。全局寄存器組中的信息可被傳送到所有處于準備學習狀態(tài)和委托狀態(tài)的神經元。神經元寄存器用于存儲所屬神經元的信息，該信息在訓練學習操作中寫入，在識別操作中讀出。
２．４ ＺＩＳＣ７８的操作
ＺＩＳＣ７８的操作包括初始化、矢量數(shù)據傳播、識別和分類等三部分。
初始化包括復位過程和清除過程。
矢量數(shù)據傳播包括矢量數(shù)據輸入過程和神經元距離計算過程。神經元距離就是輸入矢量和神經元中存儲的原型之間的范數(shù)。通�？蛇xＬ１范數(shù)或Ｌｓｕｐ范數(shù)：
【徑向基函數(shù)神經網絡芯片ZISC78及其應用】相關文章：
高性能數(shù)據采集系統(tǒng)芯片LM12H458及其應用05-28
公鑰密碼原理及其應用05-13
目標規(guī)劃及其在經濟中的應用05-11
關于現(xiàn)代教育技術及其應用09-19
公允價值、預期現(xiàn)值法及其應用06-01
DS2438及其在單總線微網中的應用05-31
神經網絡的特點分析論文（精選6篇）04-29
芯片封裝技巧知多少06-05
第三代移動通信技術及其應用論文04-29