基于动态神经网络支持向量机的FPGA实现  

FPGA Implementation of Dynamic Neural Network for Support Vector Machines

作　　者：刘涵[1] 尹嵩[1] 刘丁[1] 

机构地区：[1]西安理工大学自动化与信息工程学院,西安710048

出　　处：《上海交通大学学报》2010年第7期962-967,共6页Journal of Shanghai Jiaotong University

基　　金：国家自然科学基金(60675048);陕西省自然科学基金(2007F30)资助项目

摘　　要：研究了一种基于动态神经网络支持向量机(SVM)的FPGA硬件实现方法.提出了基于动态神经网络的最小二乘支持向量机(LS-SVM)神经网络结构,完成了VHDL语言描述的基于动态神经网络的LS-SVM结构设计,并在XILINX SPANT3E系列FPGA中完成了LS-SVM的分类与回归实验.结果表明,该硬件实现方法很好地完成了SVM的分类与回归功能,与现有的软件仿真和模拟器件实现相比,该方法具有更快的收敛速度和更高的灵活性.A new FPGA hardware implementation approach of dynamic neural network for support vector machines was provided and researched.The structure of dynamic neural network for least square support vector machines（LS-SVM） was proposed.The architecture design of dynamic neural network for LS-SVM based on VHDL language was also performed.The experiments of classification and regression for LS-SVM were achieved on XILINX SPANT3E series FPGA.The experimental results show that it is effective to complete the LS-SVM classification and regression based on presented method.Compared with the（existing） methods based on software implementation or analog device implementation,this approach has（better） convergence rate and better flexibility.

关 键 词：支持向量机 最小二乘支持向量机 动态神经网络 稳定性 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]