面向“达尔文”芯片的脉冲神经网平台设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 研究现状 | 第13-20页 |
| 1.2.1 类脑计算 | 第13-14页 |
| 1.2.2 脉冲神经网络 | 第14-20页 |
| 1.3 本文章节安排 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第2章 神经网络模型 | 第22-31页 |
| 2.1 人工神经网络 | 第22-26页 |
| 2.1.1 计算模型 | 第22-24页 |
| 2.1.2 误差反向传播算法 | 第24-26页 |
| 2.2 脉冲神经网络 | 第26-30页 |
| 2.2.1 计算模型 | 第26-27页 |
| 2.2.2 脉冲编码 | 第27-28页 |
| 2.2.3 LIF神经元模型 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于达尔文芯片的脉冲神经网络实现 | 第31-41页 |
| 3.1 达尔文类脑芯片 | 第31-33页 |
| 3.1.1 硬件架构 | 第31-33页 |
| 3.1.2 神经元模型 | 第33页 |
| 3.2 系统框架 | 第33-36页 |
| 3.3 基于转化的学习算法 | 第36-40页 |
| 3.3.1 ANN与SNN间的鸿沟与联系 | 第36-37页 |
| 3.3.2 转化流程 | 第37-38页 |
| 3.3.3 ReLU激活函数 | 第38-39页 |
| 3.3.4 脉冲编码和解码 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 脉冲神经网络仿真平台构建 | 第41-54页 |
| 4.1 平台架构 | 第41-45页 |
| 4.2 参数模型设计 | 第45-48页 |
| 4.2.1 配置文件 | 第45-46页 |
| 4.2.2 可视化配置界面 | 第46-48页 |
| 4.3 训练模块设计 | 第48页 |
| 4.4 仿真模块设计 | 第48-51页 |
| 4.4.1 框架设计 | 第48-50页 |
| 4.4.2 实现细节 | 第50-51页 |
| 4.5 可视化模块设计 | 第51-53页 |
| 4.5.1 离线静态可视化 | 第51-52页 |
| 4.5.2 实时动态可视化 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 演示系统和平台验证 | 第54-71页 |
| 5.1 实时演示系统 | 第54-64页 |
| 5.1.1 系统设计 | 第54-55页 |
| 5.1.2 数据采集 | 第55-59页 |
| 5.1.3 神经网络结构 | 第59-61页 |
| 5.1.4 演示界面 | 第61-64页 |
| 5.2 平台验证 | 第64-70页 |
| 5.2.1 训练算法验证 | 第64-67页 |
| 5.2.2 参数模型验证 | 第67页 |
| 5.2.3 可视化结果验证 | 第67-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第6章 工作总结和展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间的主要研究成果 | 第77-78页 |
| 致谢 | 第78页 |
