基于FPGA的RBF神经网络的硬件实现

王兴

（武汉科技大学 信息科学与工程学院，湖北 武汉430081）

人工神经网络广泛应用于图像处理、模式识别和自动控制等领域。但是，传统的基于软件实现的神经网络，存在并行程度低、速度慢，计算速度无法满足实时性的需求，造成了理论研究与实际应用脱节。因此，神经网络的硬件实现是神经网络研究的基本问题之一。神经网络的硬件实现的最大特点就是体现了系统的并行性，处理速度快，易于满足实时性要求。另外，算法的复杂程度以及在实际工程中应用的可行性仍需要通过硬件的实现效果来检验。因此，神经网络的硬件实现意义重大。

1 RBF神经网络的简介

径向基函数 （Radial Basis Function，RBF） 网络是由Moody J和Darken C于20世纪80年代末提出的一种神经网络结构，是一种有监督的神经网络。它是借鉴生物机制中的局部调节及交叉接受区域知识的基础上提出的一种采用局部接受域来执行函数映射的人工神经网络。RBF网络最基本的构成包括3层，其结构如图1所示，其中每一层都有着完全不同的作用。

输入层由一些源点（感知单元）组成，他们将网络与外界环境连接起来；第二层是网络中仅有的一个隐层，它的作用是进行从输入空间到隐层空间的非线性变换。隐层节点中的

图1 RBF神经网络结构图Fig.1 Structure diagram of RBF neural network

作用函数（基函数）对输入信号将在局部产生响应，也就是说，当输入信号靠近基函数的中央范围时，隐层节点将产生较大的输出，由此看出这种网络具有局部逼近能力。输出层是线性的，它为作用于输入层的激活模式（信号）提供响应。……