| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 课题背景及研究意义 | 第7-8页 |
| 1.2 神经网络简介 | 第8-11页 |
| 1.2.1 神经网络的发展历史 | 第8-10页 |
| 1.2.2 BP神经网络基础 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 论文的内容和结构 | 第12-14页 |
| 2 神经网络概述 | 第14-22页 |
| 2.1 人工神经网络概述 | 第14-21页 |
| 2.1.1 人工神经网络模型 | 第14-17页 |
| 2.1.2 人工神经网络的类型 | 第17-19页 |
| 2.1.3 人工神经网络的训练 | 第19页 |
| 2.1.4 人工神经网络的功能 | 第19-20页 |
| 2.1.5 人工神经网络的应用 | 第20-21页 |
| 2.2 单层神经网络 | 第21页 |
| 2.3 多层神经网络 | 第21-22页 |
| 3 BP神经网络的软件实现 | 第22-30页 |
| 3.1 BP神经网络的结构模型 | 第22-23页 |
| 3.2 BP神经网络的训练算法 | 第23-26页 |
| 3.3 BP神经网络的软件实现 | 第26-30页 |
| 3.3.1 BP神经网络的参数选择 | 第26-27页 |
| 3.3.2 BP神经网络的隐含层节点数比较 | 第27-28页 |
| 3.3.3 BP神经网络的学习率比较 | 第28-30页 |
| 4 BP神经网络的FPGA实现 | 第30-57页 |
| 4.1 FPGA概述 | 第30-36页 |
| 4.1.1 FPGA简介 | 第30页 |
| 4.1.2 FPGA的工作原理 | 第30-31页 |
| 4.1.3 FPGA的结构 | 第31-34页 |
| 4.1.4 FPGA的开发流程 | 第34-36页 |
| 4.1.5 FPGA的应用 | 第36页 |
| 4.2 FPGA数据表示 | 第36-37页 |
| 4.3 激励函数的实现 | 第37-41页 |
| 4.3.1 激励函数不同区间的函数拟合 | 第37-40页 |
| 4.3.2 激励函数的FPGA实现方法 | 第40-41页 |
| 4.4 BP神经网络的FPGA实现 | 第41-57页 |
| 4.4.1 BP神经网络在FPGA上的学习算法 | 第41页 |
| 4.4.2 BP神经网络分块设计 | 第41-47页 |
| 4.4.3 BP神经网络训练流程 | 第47-48页 |
| 4.4.4 实验结果与分析 | 第48-57页 |
| 5 基于FPGA的BP神经网络在X射线探测中的应用 | 第57-61页 |
| 5.1 实验环境和设施配备 | 第57-58页 |
| 5.2 实验结果 | 第58-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-68页 |