期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
多层神经网络逆向传播算法简明解析推导和一种变型MRⅢ计算技术
1
作者 陈继述 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 1993年第1期47-51,共5页
给出了多层神经网络逆向传播法整套计算公式的简明解析推导,提出了一种变型的MRⅢ计算技术。
关键词 神经网络 逆向传播算法 计算
在线阅读 下载PDF
基于FPGA的手写数字BP神经网络研究与设计 被引量:4
2
作者 李增刚 王正彦 孙敬成 《计算机工程与应用》 CSCD 北大核心 2020年第17期251-257,共7页
手写数字逆向传播(Back Propagation,BP)神经网络由输入层、隐藏层、输出层构成。训练数据是MNIST开源手写数字集里60000个样本,BP算法由随机梯度下降算法和反向传播算法构成,采用network小批量数据迭代30次的网络学习过程,训练出合适... 手写数字逆向传播(Back Propagation,BP)神经网络由输入层、隐藏层、输出层构成。训练数据是MNIST开源手写数字集里60000个样本,BP算法由随机梯度下降算法和反向传播算法构成,采用network小批量数据迭代30次的网络学习过程,训练出合适的权重和偏置。利用现场可编程门阵列(Field Programmable Gate Array,FPGA)硬件平台,Verilog代码实现BP算法、时序控制各层网络训练状态、Sigmoid(S型)函数及导数线性拟合是设计重点。初始化均值为0,方差为1的高斯分布网络权重和偏置,采用小批量数据个数m为10,学习系数η为3,在系统中输入样本及标签利用Quartus13.0和modelsim仿真与分析,工程运行迭代30次时间是4.5 s,样本识别正确率是91.6%,与软件python2.7相比满足了硬件设计的实时性和手写数字识别的高准确率。 展开更多
关键词 现场可编程门阵列(FPGA) 逆向传播(BP)神经网络 手写数字 逆向传播(BP)算法 VERILOG语言
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部