基于FPGA的轻权重手写数字系统设计优化

• 作者: 华士豪
• 来源期刊: 电子制作
• 关键词: 卷积神经网络 手写数字 FPGA 轻权重
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 电子科技
• 页码范围: 6-7,37
• 页数: 3页
• 字数: 871字
• 语种: 中文

摘要

近年来,深度学习的概念非常火热.深度学习的概念最早由Hinton等人在2006年提出.基于深度置信网络(DBN),提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构.我们通过FPGA(现场可编程门阵列)实现手写数字识别,并非通过设定图像来对比.而是通过临时性的写入文字来进行轨迹的对比.本文是基于Basys3 Artix-7 FPGA实现的,通过无线鼠标进行轨迹书写,同时也在硬件上进行神经网络的布置,识别在屏幕上书写的数字(0-9).通过压缩后的CNN神经网络进行数字识别,实现了硬件加速的效果,大大提高了识别速度和精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	华士豪		1	0	0.0	0.0