基于FPGA的轻权重手写数字系统设计优化  

作　　者：华士豪 

机构地区：[1]黑龙江大学,黑龙江哈尔滨150000

出　　处：《电子制作》2020年第16期6-7,37,共3页Practical Electronics

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。

关 键 词：卷积神经网络 手写数字 FPGA 轻权重 

分 类 号：TN791[电子电信—电路与系统] TP391.41[自动化与计算机技术—计算机应用技术]