面向微控制器的卷积神经网络加速器设计

针对目前嵌入式微控制器的性能难以满足实时图像识别任务的问题,提出一种适用于微控制器的卷积神经网络加速器。该加速器在卷积层设计了无阻塞的行并行乘法-加法树结构,获得了更高的硬件利用率;为了满足行并行的数据吞吐量,设计了卷积专用SRAM存储器。加速器将池化和激活单元融入数据通路,有效减少数据重复存取带来的时间开销。FPGA原型验证表明加速器的性能达到92.2 GOPS@100 MHz;基于TSMC 130 nm工艺节点进行逻辑综合,加速器的动态功耗为33 mW,面积为90 764.2μm^(2),能效比高达2 793 GOPS/W,比FPGA加速器方案提高了约100倍。该加速器低功耗、低成本的特性,有利于实现嵌入式系统在目标检测、人脸识别等机器视觉领域的广泛应用。

预期眼动任务中反应时呈双峰分布的神经环路模型

在执行精确时间内产生预期眼动的任务时,猕猴的反应时间呈现双峰分布.对这一现象,本文设计了包含大脑皮层的顶内沟外侧区(lateral intraparietal area,LIP)和辅助眼区(supplementary eye fields,SEF)、基底节(basal ganglia,BG)与上丘脑(superior colliculus,SC)在内的并行神经环路模型,通过计算模拟复现出双峰分布.本文探究了该分布的神经机制,发现SEF和LIP神经元群体之间的竞争过程导致了2个峰的出现,并且SEF脑区主要负责预期性眼动,主导了第1个峰的出现,LIP脑区主要负责由视觉刺激引发的反应性眼动,主导了第2个峰的出现.本文进一步地讨论了影响双峰分布形态的关键参数,从计算神经科学的角度探索了时间预期执行的过程.

广义细胞自动机的结构及其硬件实现

该文作者曾提出了广义细胞自动机 (GCA)的原理和并行算法 ,并且应用于网络快速包交换等动态优化问题 .该文进一步讨论了这种新的广义细胞自动机的体系结构、算法的硬件实现及其电路设计 ,它们对于GCA的实际应用有重要意义 .GCA结构不同于Hopfield神经网络 (HNN)和细胞神经网络 (CNN) ,GCA由多层次多粒度宏细胞组成塔形结构 ,它具有多粒度的宏细胞动力学特征 ,相同粒度宏细胞之间没有交互 ,但不同粒度宏细胞之间存在一定程度的交互或反馈 .分析和实验表明 ,在问题求解的优化性、实时性、硬件实现复杂性等方面 ,该文给出的GCA结构和硬件实现 ,与HNN和CNN相比有诸多优点 .

基于神经网络的电路多故障测试及并行实现

对数字电路的多故障测试生成,首先构造被测电路的约束电路结构,并建立测试生成的神经网络模型,然后采用遗传进化算法计算约束电路对应神经网络能量函数的最小值点而获得给定多故障的测试矢量,该方法具有易于实现和有良好的内在并行性等特点。同时给出了算法的并行实现方案。