| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 人工神经网络的硬件实现的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究概况及其发展趋势 | 第10-13页 |
| 1.2.1 人工神经网络的硬件实现的国内外研究概况 | 第10-11页 |
| 1.2.2 人工神经网络的硬件实现的发展趋势 | 第11-13页 |
| 1.3 本论文的内容和结构安排 | 第13-15页 |
| 第2章 人工神经网络模型 | 第15-27页 |
| 2.1 生物神经元模型 | 第15-19页 |
| 2.1.1 生物神经元 | 第15-16页 |
| 2.1.2 单神经元模型 | 第16-19页 |
| 2.2 人工神经网络的分类 | 第19-20页 |
| 2.3 前馈人工神经网络 | 第20-26页 |
| 2.3.1 感知器神经网络 | 第21-24页 |
| 2.3.2 径向基函数(RBF)神经网络 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 提出的线性分类器结构及其实现 | 第27-43页 |
| 3.1 阈值分类器 | 第27-29页 |
| 3.2 梯形激活函数电路 | 第29-33页 |
| 3.2.1 梯形激活函数(TAF) | 第29-31页 |
| 3.2.2 TAF 电路的实现 | 第31-33页 |
| 3.3 线性加权电路 | 第33-36页 |
| 3.3.1 基本 OTA | 第33-34页 |
| 3.3.2 全平衡差分跨导电路 | 第34-36页 |
| 3.4 Fisher 线性判别法 | 第36-39页 |
| 3.4.1 Fisher 线性判别法的基本思想 | 第36-37页 |
| 3.4.2 Fisher 准则的步骤 | 第37-39页 |
| 3.5 提出的线性分类器 | 第39-42页 |
| 3.5.1 提出的分类器的结构 | 第39页 |
| 3.5.2 二维线性不可分数据分类 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 RBF 神经网络的电路结构及其实现 | 第43-62页 |
| 4.1 RBF 神经网络的基本思想 | 第43-44页 |
| 4.2 RBF 神经网络的学习算法 | 第44-50页 |
| 4.2.1 RBF 神经网络常用学习算法 | 第44-45页 |
| 4.2.2 改进混合蛙跳算法 | 第45-50页 |
| 4.2.3 RBF 神经网络参数转化为 NHSFL 算法参数 | 第50页 |
| 4.3 RBF 神经网络单元电路 | 第50-58页 |
| 4.3.1 绝对值电路 | 第50-51页 |
| 4.3.2 均方根电路 | 第51-53页 |
| 4.3.3 高斯函数电路 | 第53-58页 |
| 4.4 RBF 神经网络电路的应用 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 版图设计 | 第62-67页 |
| 5.1 版图设计基本流程 | 第62-63页 |
| 5.2 版图设计工具平台 | 第63-64页 |
| 5.3 电路版图实现 | 第64-66页 |
| 5.3.1 线性加权电路(LWC)的版图实现 | 第65页 |
| 5.3.2 TAFC 的版图实现 | 第65页 |
| 5.3.3 分类器的版图实现 | 第65-66页 |
| 5.3.4 RBF 神经元电路的版图实现 | 第66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 个人简历、在校期间发表学术论文与研究成果 | 第74页 |