| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景 | 第9-12页 |
| 1.1.1 人工神经网络发展 | 第9-10页 |
| 1.1.2 人工神经网络的经典结构 | 第10-11页 |
| 1.1.3 媒体应用中神经网络的应用 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 神经网络加速器的研究 | 第12-13页 |
| 1.2.2 可重构神经网络加速器 | 第13-16页 |
| 1.3 研究内容及目标 | 第16-17页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 研究目标 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 面向媒体应用的可重构神经网络系统研究 | 第19-31页 |
| 2.1 面向媒体应用的可重构神经网络介绍 | 第19-22页 |
| 2.1.1 媒体处理算法 | 第19-21页 |
| 2.1.2 面向媒体应用的神经网络算法 | 第21-22页 |
| 2.2 可重构神经网络系统结构分析 | 第22-24页 |
| 2.3 可重构神经网络系统数据流特征分析 | 第24-30页 |
| 2.3.1 可重构神经网络系统计算数据流特征分析 | 第24-28页 |
| 2.3.2 可重构神经网络系统配置流特征分析 | 第28-29页 |
| 2.3.3 可重构神经网络系统权重特征分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 面向媒体应用的可重构神经网络阵列结构设计 | 第31-41页 |
| 3.1 基于可重构神经网络的媒体处理系统结构 | 第31-32页 |
| 3.2 基于计算负载自适应的可重构神经网络阵列路由结构设计 | 第32-38页 |
| 3.2.1 可重构神经网络阵列结构 | 第32-35页 |
| 3.2.2 基于计算负载自适应动态路由结构 | 第35-37页 |
| 3.2.3 性能对比分析 | 第37-38页 |
| 3.3 可重构神经网络阵列的压缩存储方案 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 面向媒体应用的可重构神经网络系统调度 | 第41-51页 |
| 4.1 可重构神经网络系统调度策略 | 第41-44页 |
| 4.1.1 权重和配置调度策略 | 第41-42页 |
| 4.1.2 多模式数据调度策略 | 第42-44页 |
| 4.2 可重构神经网络权重和配置调度模块设计 | 第44-45页 |
| 4.3 基于高能效动态预取机制的多模式数据缓存结构设计 | 第45-49页 |
| 4.3.1 多模式数据缓存结构设计 | 第45-49页 |
| 4.3.2 访存结果对比分析 | 第49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 实验结果与分析 | 第51-59页 |
| 5.1 可重构神经网络系统功能验证 | 第51-54页 |
| 5.1.1 验证环境 | 第51页 |
| 5.1.2 验证结果及分析 | 第51-54页 |
| 5.2 可重构神经网络系统综合结果 | 第54-55页 |
| 5.3 可重构神经网络系统性能功耗评估 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 研究工作总结 | 第59页 |
| 6.2 进一步研究工作展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 作者简介 | 第69页 |