导读:本文包含了叁值神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:现场可编程门阵列(FPGA),PYNQ开发板,卷积神经网络,二值神经网络
叁值神经网络论文文献综述
崔毅,殳国华,李丹[1]（2019）在《基于PYNQ开发板的二值神经网络分类模型研究》一文中研究指出对人工神经网络(artificial neural network,ANN)、卷积神经网络(convolutional neural network,CNN)以及二值神经网络(binary neural network,BNN)模型的原理进行了深入研究,对二值神经网络的特点和优势进行了说明。为了应用在PYNQ开发板上,首先根据传统卷积神经网络的结构搭建了具有适当规模的网络模型,分别在现有的公开数据集如MNIST、CIFAR10、SVHN上进行了训练,取得了良好的分类效果。硬件方面,首先通过HLS综合生成PYNQ开发板可调用的硬件库,再将训练完的权重生成二进制文件进行移植并在开发板上进行分类的预测。测试结果表明,分类模型能在计算资源有限的情况下较为理想地完成分类任务。(本文来源于《电气自动化》期刊2019年05期）
徐晓惠,施继忠,严超,张继业,徐延海[2]（2019）在《一类复值神经网络的随机指数鲁棒稳定性》一文中研究指出为分析Markova跳变参数对系统的影响,研究了一类具有Markova跳变参数和变时滞的复数域区间神经网络的动态行为。在假定复数域激活函数仅满足Lipchitz条件的情况下,首先利用M矩阵理论和同胚映射相关原理,研究了该系统平衡点的存在性和唯一性。然后利用矢量Lyapunov函数法分析了不同模式下平衡点的随机指数鲁棒稳定性。建立的稳定性条件推广了现有结论,并且容易验证。最后,通过一个数值仿真算例验证了所得结论的可行性。(本文来源于《电子科技大学学报》期刊2019年03期）
张雷,王利敏,李小兵[3]（2019）在《基于复值神经网络的分式规划问题》一文中研究指出研究了利用复数神经网络解决带有区间约束条件的复变量非线性分式规划问题,提出的神经网络模型关于问题的可行解具有全局稳定性.对模型平衡点的存在性和稳定性给出了详细推导和证明.最后通过数值例子证实了该模型的可靠性和有效性.(本文来源于《西南师范大学学报(自然科学版)》期刊2019年05期）
林雪楠[4]（2019）在《复值神经网络的稳定性与同步分析》一文中研究指出近十年来,人们对复值神经网络的研究日益增多.复值神经网络在复杂信号处理等方面,具有比实值神经网络更加优越的特性.复值系统的状态变量、激活函数、连接权值都是在复数域上进行定义的,分析方法与实值系统有很大的不同,因此对于复值神经网络的研究是有意义的.本文主要研究复值系统,建立两种不同的神经网络模型.利用Lyapunov函数理论、Gronwall-Bellman引理、复变函数理论和不等式技术,针对具体的系统进行分析,并得到相关理论判据.本文做了如下工作:探讨了带有广义分段常数变元的复值神经网络的全局指数稳定性.广义分段常数变元即导向变分项,具有超前和延迟的特征.选择恰当的Lyapunov函数,巧妙地结合不等式技术,将广义分段常数变元推广到复数域上进行研究,证明系统解的存在唯一性,获得系统全局指数稳定性的判据.讨论了带有广义分段常数变元的复值神经网络的投影同步.基于线性控制策略和不等式技术,获得了系统驱动响应投影同步的判据,对复值系统同步分析的现有结果做了相关改进.分析了一个时滞忆阻复值神经网络模型,根据忆阻权值的特点,基于微分包含理论,定义Filippov意义下的解,并通过自适应控制策略来实现系统的自适应同步,对现有的结果进行拓展性研究.本文主要针对复值系统进行研究,研究了系统的全局指数稳定性和不同类型的同步行为,采用不同的技术获得一些理论基础和判据,为复值系统的进一步探讨提供理论基础.(本文来源于《湖北师范大学》期刊2019-05-17）
Yan-min,QIAN,Xu,XIANG[5]（2019）在《用于语音识别的二值神经网络（英文）》一文中研究指出近年来,在语音识别的声学建模中,深度神经网络(DNNs)明显优于高斯混合模型。然而,推断阶段巨大的计算量使其难以部署在低功耗的嵌入式模型上。为此,稀疏性和低精度定点量化技术被广泛使用。为降低推理阶段计算量,本文开发了用于语音识别的二进制神经网络,并实现了高速的二值矩阵乘法。在中央处理器(CPU)和图形处理单元(GPU)上,二值矩阵乘法的运行速度是浮点矩阵乘法的5～7倍。针对大规模连续语音识别的声学建模,提出多种二值神经网络及相关模型优化算法。为提高二值模型的精度,探索了从浮点模型到二值模型的知识蒸馏技术。在标准的Switchboard语音识别任务上,该二值神经网络模型比浮点神经网络模型速度提高3～4倍。借助知识蒸馏技术,二值深度神经网络或卷积神经网络相对其浮点神经网络的词错误率增加可以保持在15%以内。若只二值化卷积神经网络的卷积层,词错误率增加几乎可忽略。(本文来源于《Frontiers of Information Technology & Electronic Engineering》期刊2019年05期）
张以文,郭海帅,涂辉,余国锋[6]（2019）在《基于随机隐含层权值神经网络的瓦斯浓度预测》一文中研究指出煤矿的安全生产一直是人们重点研究的课题之一。在众多的煤矿开采安全事故中,瓦斯引起的事故占到了大多数。对井下生产线的瓦斯浓度进行实时准确的预测,提前预知生产环境是否处于安全状态,对煤矿的安全生产来说意义重大。针对这一问题,提出了一种基于NSGA-II训练的随机隐含层神经网络(BNSGA-II NN)来进行瓦斯浓度预测的方法。一方面,NSGA-II需要设定的参数少,使用较为简单;另一方面,NSGA-II中的交叉变异机制避免了陷入局部最优解。为了证明NSGA-II训练的随机隐含权值神经网络的预测质量,通过实验与PSOGSA训练的随机隐含层神经网络(PSOGSA NN)进行了对比。实验结果表明,BNSGA-II NN的预测质量明显高于PSOGSA NN的预测质量。(本文来源于《计算机工程与科学》期刊2019年04期）
孟祥,赵莹,孙永恒,李艳娟[7]（2019）在《基于叁值神经网络和混沌搜索的数字电路串扰时滞故障测试生成算法（英文）》一文中研究指出提出了一种有效的串扰时滞故障测试生成算法,该算法使用了叁值神经网络理论和混沌搜索方法。首先在电路的受害点处把电路分成两个部分,对第一部分,可以得到时滞时间表达式;对第二部分,使用混沌搜索和叁值神经网络网络的方法把故障传播到输出端。最后,能够把故障传播到输出端且使时滞时间表达式取最大值的输入矢量就是串扰时滞故障的最优测试矢量。实验结果表明该算法能够容易地得到故障输入测试矢量,平均测试生成时间小于0. 25μs,故障覆盖率能够达到98. 2%。(本文来源于《机床与液压》期刊2019年06期）
雷妍,贾连印,李孟娟,左喻灏,游进国[8]（2019）在《融合RBF的二值神经网络推荐模型》一文中研究指出随着网络通信技术的快速发展和互联网信息资源的大规模扩张,信息过载问题日益严重,传统的信息服务使得这一问题得到缓解。但对具有海量条目的信息,用户要根据自己的喜欢找到想要的目标并不容易。为了解决该问题,提出一种融合径向基函数(RBF)的二值化卷积神经网络的推荐模型。该模型建立在卷积神经网络的基础上将输入数据预处理为0或1,极大节省数据存储空间并提高推荐效率。利用RBF建立可信任的亲属网络,根据亲属网络中的相似用户筛选出有用信息并进行分析做出相应推荐。针对电影推荐进行实验,实验结果表明该方法是有效可行的。(本文来源于《计算机应用与软件》期刊2019年03期）
张治民[9]（2018）在《基于改进幅相型离散多电平复值神经网络的MPSK信号盲检测》一文中研究指出Hopfield神经网络对人工神经网络的发展具有重要的意义,在解决优化问题上尤为重要。多进制信号的Hopfield神经网络盲检测算法具有不依赖统计量、抗干扰性能强等优点符合现代通信系统的需求。在处理多进制信号时,Hopfield神经网络在寻找最优解的过程中会陷入局部最优或多次迭代都找不到最优解。针对该问题,以MPSK信号为发送序列,本文主要做出了如下几点创新:(1)本文的第二章在文献提出的幅相型离散多电平Hopfield神经网络(CHNN_APHM)模型结构基础之上引入固定扰动、自扰动、退火扰动这叁种扰动因子,设计出带扰动的幅相型离散多电平Hopfield神经网络盲检测算法,同时给出新算法的网络结构和动态方程,并证明新网络的稳定性。仿真实验结果表明新提出的算法与CHNN_APHM盲检测算法相比,在文献常见信道下有更强的抗干扰性能,所需的最小数据量更小,其中带自扰动的DCHNN_APHM算法性能最佳。(2)针对CHNN_APHM算法易陷入局部最优、需要多个起点等缺点,本文的第叁章将暂态混沌神经网络(TCNN)引入到MPSK信号盲检测中,提出幅相型离散多电平混沌神经网络(CTCNN_APHM)的盲检测算法,同时给出新的网络结构和对应的动态方程组,数学上分别证明了新的神经网络在同步模式和异步模式下的稳定性。实验仿真结果表明新算法在文献常见信道下的抗干扰性能强于CHNN_APHM算法,收敛所需的起点数也大幅降低,算法所需的数据长度缩短为原来的一半,但由于TCNN精细搜索能力的特点导致CTCNN_APHM算法收敛所需的时间变长。(3)本文第四章主要解决CTCNN_APHM算法收敛速度慢的问题,通过改进退火策略提高算法收敛速度,给出基于分段退火和对数退火的两种改进的CTCNN_APHM算法。实验仿真结果表明改进退火策略后的ICTCNN_APHM算法收敛速度相对于改进前有了大幅提高,同时也保证了该算法在文献常见信道下较强抗干扰性能的优势。两种退火策略的表现均能很好的解决第叁章遗留下来的问题。(本文来源于《南京邮电大学》期刊2018-11-14）
张东文[10]（2018）在《复值神经网络的稳定性》一文中研究指出自从1988年L.Chua与L.Yang提出了细胞神经网络有关问题以来,神经网络得到了广泛应用,并且成为数学应用领域的热门研究课题.但是,到目前为止,对于复值神经网络而言,由于其在工程领域的广泛应用越来越受到广大学者的重视.因此,本文研究一类具有时变时滞和脉冲的复值递归神经网络的全局指数稳定性问题.基于我们提出的新条件,可以保证在不考虑脉冲效应的情况下,复值递归神经网络平衡点的存在性,唯一性和全局指数稳定性.本文的主要内容如下:第1节为引言,主要介绍了神经网络的研究背景、目的和意义,给出了神经网络的研究现状与成果以及以后的发展趋势.最后给出了本文的基本结构.第2节对具有时滞脉冲Cohen–Grossberg复值神经网络进行了讨论.利用Lyapunov-Krasovskii函数和一些与代数图论有关的知识,得到一些充分条件来确保系统有且仅有一个平衡点而且最后能达到指数稳定.最后,通过实例进行数值模拟,验证了我们所提出方法的有效性和主要结论的可行性.第3节讨论了具有时滞脉冲神经网络的平衡点的稳定性问题.通过利用不等式性质和Lyapunov-Krasovskii函数方法以及一些代数知识,获得一些充分条件来保证时滞复值神经网络的平衡点最终趋于指数稳定和渐近稳定,并通过数值模拟来验证结论的有效性.第4节对一类带有时滞和脉冲的复值神经网络的稳定性和同步进行了研究.利用Lyapunov函数,网络的相关知识和线性矩阵不等式(LMIs),得到了其解是全局指数稳定的,并解决了两类神经网络的同步问题.最后,我们还通过数值模拟来验证主要结论的正确性与可行性.(本文来源于《新疆大学》期刊2018-06-30）
叁值神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为分析Markova跳变参数对系统的影响,研究了一类具有Markova跳变参数和变时滞的复数域区间神经网络的动态行为。在假定复数域激活函数仅满足Lipchitz条件的情况下,首先利用M矩阵理论和同胚映射相关原理,研究了该系统平衡点的存在性和唯一性。然后利用矢量Lyapunov函数法分析了不同模式下平衡点的随机指数鲁棒稳定性。建立的稳定性条件推广了现有结论,并且容易验证。最后,通过一个数值仿真算例验证了所得结论的可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
叁值神经网络论文参考文献
[1].崔毅,殳国华,李丹.基于PYNQ开发板的二值神经网络分类模型研究[J].电气自动化.2019
[2].徐晓惠,施继忠,严超,张继业,徐延海.一类复值神经网络的随机指数鲁棒稳定性[J].电子科技大学学报.2019
[3].张雷,王利敏,李小兵.基于复值神经网络的分式规划问题[J].西南师范大学学报(自然科学版).2019
[4].林雪楠.复值神经网络的稳定性与同步分析[D].湖北师范大学.2019
[5].Yan-min,QIAN,Xu,XIANG.用于语音识别的二值神经网络（英文）[J].FrontiersofInformationTechnology&ElectronicEngineering.2019
[6].张以文,郭海帅,涂辉,余国锋.基于随机隐含层权值神经网络的瓦斯浓度预测[J].计算机工程与科学.2019
[7].孟祥,赵莹,孙永恒,李艳娟.基于叁值神经网络和混沌搜索的数字电路串扰时滞故障测试生成算法（英文）[J].机床与液压.2019
[8].雷妍,贾连印,李孟娟,左喻灏,游进国.融合RBF的二值神经网络推荐模型[J].计算机应用与软件.2019
[9].张治民.基于改进幅相型离散多电平复值神经网络的MPSK信号盲检测[D].南京邮电大学.2018
[10].张东文.复值神经网络的稳定性[D].新疆大学.2018
标签：现场可编程门阵列(FPGA); PYNQ开发板; 卷积神经网络; 二值神经网络;