- 相關推薦
徑向基函數(shù)神經(jīng)網(wǎng)絡芯片ZISC78及其應用
摘要：ZISC78是IBM公司和Sillicon公司聯(lián)合生產(chǎn)的一種具有自學習功能的徑向基函數(shù)神經(jīng)網(wǎng)絡芯片，文中主要介紹了ZICS78芯片的功能、原理，給出了ZISC78神經(jīng)網(wǎng)絡芯片在艦載武器系統(tǒng)中進行船舶運動實時預報的應用方法。關鍵詞：ZISC78；徑向基函數(shù)神經(jīng)網(wǎng)絡（RBFNN）；實時；預報
�。币�
神經(jīng)網(wǎng)絡是近年來得到廣泛關注的一種非線性建模預報技術。它具有自組織、自學習、自適應和非線性處理、并行處理、信息分布存儲、容錯能力強等特性，對傳統(tǒng)方法效果欠佳的預報領域有很強的吸引力�；谏窠�(jīng)網(wǎng)絡的非線性信息處理方法已應用于軍事信息處理及現(xiàn)代武器裝備系統(tǒng)的各個方面，并有可能成為未來集成智能化的軍事電子信息處理系統(tǒng)的支撐技術。該技術在一些先進國家已部分形成了現(xiàn)實的戰(zhàn)斗力。
船舶在波浪中航行，會受到風、浪和流的影響，因而將不可避免地發(fā)生搖蕩運動。嚴重的搖蕩會使船員工作效率下降、物品損壞、軍艦的戰(zhàn)斗力下降。如果能夠預知未來一段時間船舶的運動情況，不僅有利于盡早采用先進控制算法控制艦載武器平臺隔離船舶運動的影響，使其始終穩(wěn)定瞄準目標，而且還可獲得未來一個海浪周期內(nèi)的船舶運動情況，以研究船載武器上層的控制策略，從而提高火力密度，因此，有必要研究在海浪中具有一定精度的海浪中船舶運動的短期預報。此外，如能有效準確地預報船舶的橫搖運動，對于提高船舶的耐波性和適航性也有重要意義。
國內(nèi)外學者也將神經(jīng)網(wǎng)絡用于船舶運動預報研究，但往往沒有考慮實時性等實現(xiàn)問題，因而不能實用化。神經(jīng)網(wǎng)絡實現(xiàn)技術是神經(jīng)網(wǎng)絡研究的一個重要方面。神經(jīng)網(wǎng)絡實現(xiàn)可分為全硬件實現(xiàn)和軟件實現(xiàn)兩種。目前神經(jīng)網(wǎng)絡的實現(xiàn)還主要以軟件模擬為主，由于現(xiàn)行的馮諾曼計算機體系結(jié)構不能實現(xiàn)并行計算，因而神經(jīng)網(wǎng)絡軟件的實時應用還受到一定限制。
目前，一些著名集成電路制造公司如Ｉｎｔｅｌ、Ｍｏ-ｔｏｒｏｌａ、松下、日立、富士通等均已推出自己的模擬或數(shù)字神經(jīng)網(wǎng)絡芯片，這些芯片無論在網(wǎng)絡規(guī)模還是運行速度上都已接近實用化的程度，因而給神經(jīng)網(wǎng)絡應用的發(fā)展以極大的推動。由于艦載武器系統(tǒng)，需選用具有在片學習功能的神經(jīng)網(wǎng)絡芯片，即將網(wǎng)絡訓練所需的反饋電路及權值存儲、計算和修正電路都集成在了一個芯片，因而可實現(xiàn)全硬件的、具有自學習能力的神經(jīng)網(wǎng)絡系統(tǒng)，也可以說，這是一種具有自適應能力的神經(jīng)網(wǎng)絡。
�。玻冢桑樱茫罚傅墓δ芗肮ぷ髟�
�。冢桑樱茫罚甘怯桑桑拢凸竞停樱椋欤欤椋悖铮盥�(lián)合研制的一種低成本、在線學習、３３ＭＨｚ主頻、ＣＭＯＳ型１００腳ＬＱＦＰ封裝的ＶＬＳＩ芯片，圖１所示是ＺＩＳＣ７８的引腳排列圖。ＺＩＳＣ７８的特點如下：
●內(nèi)含７８個神經(jīng)元；
●采用并行結(jié)構，運行速度與神經(jīng)元數(shù)量無關；
●支持ＲＢＦ／ＫＮＮ算法；
●內(nèi)部可分為若干獨立子網(wǎng)絡；
●采用菊花鏈連接，擴展不受限制；
●具有６４字節(jié)寬度向量；
●Ｌ１或ＬＳＵＰ范數(shù)可用于距離計算；
●具有同步／異步工作模式。
�。玻保冢桑樱茫罚干窠�(jīng)元結(jié)構
�。冢桑樱茫罚覆捎玫纳窠�(jīng)元結(jié)構如圖２所示，該神經(jīng)元有以下幾種狀態(tài)：
(１)休眠狀態(tài)：神經(jīng)網(wǎng)絡初始化時，通常處于這種狀態(tài)。
(２)準備學習狀態(tài)：任何時侯，神經(jīng)網(wǎng)絡中的神經(jīng)元都處于這種狀態(tài)。
(３)委托狀態(tài)：一個包含有原型和類型的神經(jīng)元處于委托狀態(tài)。
(４)激活狀態(tài)：一個處于委托狀態(tài)的神經(jīng)元，通過評估，其輸入矢量處于其影響域時，神經(jīng)元就被激活而處于激活狀態(tài)。
(５)退化狀態(tài)：當一個神經(jīng)元的原型處于其它神經(jīng)元類型空間內(nèi)，而大部分被其他神經(jīng)元類型空間重疊時，這個神經(jīng)元被宣布處于退化狀態(tài)。
２．２ＺＩＳＣ７８神經(jīng)網(wǎng)絡結(jié)構
從圖３所示的ＺＩＳＣ７８神經(jīng)網(wǎng)絡結(jié)構可以看出，所有神經(jīng)元均通過“片內(nèi)通信總線”進行通信，以實現(xiàn)網(wǎng)絡內(nèi)所有神經(jīng)元的“真正”并行操作。“片內(nèi)通信總線”允許若干個ＺＩＳＣ７８芯片進行連接以擴大神經(jīng)網(wǎng)絡的規(guī)模，而這種操作不影響網(wǎng)絡性能。
�。冢桑樱茫罚钙瑑�(nèi)有６ｂｉｔ地址總線和１６ｂｉｔ數(shù)據(jù)總線，其中數(shù)據(jù)總線用于傳輸矢量數(shù)據(jù)、矢量類型、距離值和其它數(shù)據(jù)。
�。玻常冢桑樱茫罚傅募拇嫫鹘M
�。冢桑樱茫罚甘褂脙煞N寄存器：全局寄存器和神經(jīng)元寄存器。全局寄存器用于存儲與所有神經(jīng)元有關的信息，每片僅有一組全局寄存器。全局寄存器組中的信息可被傳送到所有處于準備學習狀態(tài)和委托狀態(tài)的神經(jīng)元。神經(jīng)元寄存器用于存儲所屬神經(jīng)元的信息，該信息在訓練學習操作中寫入，在識別操作中讀出。
�。玻矗冢桑樱茫罚傅牟僮�
ＺＩＳＣ７８的操作包括初始化、矢量數(shù)據(jù)傳播、識別和分類等三部分。
初始化包括復位過程和清除過程。
矢量數(shù)據(jù)傳播包括矢量數(shù)據(jù)輸入過程和神經(jīng)元距離計算過程。神經(jīng)元距離就是輸入矢量和神經(jīng)元中存儲的原型之間的范數(shù)。通�？蛇xＬ１范數(shù)或Ｌｓｕｐ范數(shù)：
其中，Ｘｉ為輸入矢量數(shù)據(jù)，Ｘｓ為存貯的原型數(shù)據(jù)。
對于識別和分類，ＺＩＳＣ７８提供有兩種可選擇的學習算法ＲＢＦ和ＫＮＮ。其中ＲＢＦ是典型的徑向基函數(shù)神經(jīng)網(wǎng)絡。在該ＲＢＦ模式下，可輸出識別、不確定或不認識的狀態(tài)；ＫＮＮ模式是ＲＢＦ模式的限制形式，即在ＫＮＮ模式下，新原型的影響域總被設為１，輸出的是輸入向量和存儲原型之間的距離。需要指出的是，ＺＩＳＣ７８具有自動增加或減小神經(jīng)元個數(shù)以適應輸入信號的分類和識別功能，神經(jīng)元個數(shù)的最大值和最小值在全局寄存器組中設定。
�。玻担冢桑樱茫罚傅慕M網(wǎng)
一個ＺＩＳＣ７８芯片內(nèi)可以通過寄存器操作定義若干個獨立的網(wǎng)絡。若干個ＺＩＳＣ７８芯片通過層疊可以組成一個更大的神經(jīng)網(wǎng)絡，組網(wǎng)芯片數(shù)量沒有限制，小于１０個ＺＩＳＣ７８組網(wǎng)時，甚至連電源中繼器件也不需要。所以，ＺＩＳＣ７８具有最大的靈活性，能夠滿足不同的需要。
�。撤抡鎸嵗�
為了驗證ＺＩＳＣ７８用于船舶運動實時預報的精度，本文對徑向基函數(shù)神經(jīng)網(wǎng)絡預報進行了仿真，圖４給出了基于徑向基函數(shù)神經(jīng)網(wǎng)絡和船舶運動慣導實測信號預報的０．３秒（１５步）誤差曲線圖。
通過以慣導實測數(shù)據(jù)ＺＨＸ＿ｌｇ．ｄａｔ為例預報０．３秒（１５步）以后的船舶運動，作者運用相空間重構理論已經(jīng)判斷出本數(shù)據(jù)為非線性信號。
該仿真的最大預報誤差方差為６．４６６６ｅ－００４，該數(shù)據(jù)可以滿足戰(zhàn)技指標。
�。唇Y(jié)束語
本文根據(jù)船載武器系統(tǒng)的整體要求，結(jié)合船舶運動的特點研究了基于徑向基函數(shù)神經(jīng)網(wǎng)絡芯片ＺＩＳＣ７８在船舶運動實時預報方面的應用情況。仿真表明：這種方案預報精度高，且可進行較長期預報，能夠滿足船搖實時建模預報的要求，因而具有較高的實用價值。
【徑向基函數(shù)神經(jīng)網(wǎng)絡芯片ZISC78及其應用】相關文章：
FPGA芯片APA150及其應用08-06
PCI總線接口芯片9050及其應用08-06
PCI接口芯片s5935及其應用08-06
電力載波芯片ST7538及其應用08-06
USB總線接口芯片CH371及其應用08-06
高性能DDS芯片AD9954及其應用08-06
Neuron多處理器芯片及其應用08-06
PCI總線通用接口芯片CH361及其應用08-06