脫機工作可訓(xùn)練的模式識別專用神經(jīng)網(wǎng)絡(luò)的軟硬件設(shè)計.pdf

1、傳統(tǒng)的馮諾依曼計算機雖然具有快速、高效的邏輯運算等功能，但其形象思維能力差、無自我學(xué)習(xí)能力等缺點對于形象思維領(lǐng)域的模式識別等問題卻是無能為力。人工神經(jīng)網(wǎng)絡(luò)是由大量簡單處理單元構(gòu)成的非線性動力學(xué)系統(tǒng)，具有分布式的信息存貯、大規(guī)模并行處理、自學(xué)習(xí)和自組織等特點，可以解決傳統(tǒng)計算機難以解決或無法解決的人工智能方面問題。本文結(jié)合兩者特點，提出并實現(xiàn)了一種脫機工作可訓(xùn)練的模式識別專用神經(jīng)網(wǎng)絡(luò)系統(tǒng)。 本文基于高維空間點覆蓋理論，分析了樣本點

2、在高維空間中的分布特性，并從幾何的角度詳細闡述了高維空間中點與點、點與線和點和面之間的關(guān)系及其相應(yīng)算法。同時介紹了半導(dǎo)體神經(jīng)計算機的理論基礎(chǔ)，以及能實現(xiàn)半導(dǎo)體神經(jīng)計算機內(nèi)部雙權(quán)值神經(jīng)元的單節(jié)拍浮點組合邏輯運算的設(shè)計方法。 結(jié)合符號主義和連接主義兩者的特點，脫機工作可訓(xùn)練的模式識別專用神經(jīng)網(wǎng)絡(luò)系統(tǒng)可以在無上位機的情況下，通過一次采樣，便可獨立完成包括模式采集、特征提取、樣本學(xué)習(xí)以及識別等一整套與實物識別相關(guān)的工作。文中對該系統(tǒng)具體