本文關鍵詞：基于細胞神經網絡的邏輯函數(shù)與進化電路設計

  更多相關文章： 細胞神經網絡 動態(tài)邏輯門 經典通用細胞神經網絡 多重嵌套細胞神經網絡 布爾函數(shù) 進化電路 遺傳算法

【摘要】：基于細胞神經網絡構造動態(tài)邏輯門是近年來一個全新的研究方向。由于非線性系統(tǒng)狀態(tài)演化具有很強的非線性特征和豐富的動態(tài)模式,細胞神經網絡在構建靈活、可重構的邏輯門電路中具有獨特的優(yōu)勢。動態(tài)邏輯門就是邏輯門在外部控制信號的作用下門的功能發(fā)生相應的改變,這種動態(tài)特性可以用來構建更為靈活的動態(tài)可重構的計算機體系結構。論文首先基于細胞神經網絡的邏輯函數(shù)設計,分析了兩輸入和三輸入線性可分布爾函數(shù)的標準非耦合細胞神經網絡的模板參數(shù)的求解過程,并設計了相應電路;同時針對線性可分布爾函數(shù)的細胞設計,實現(xiàn)了當電路結構不變時,通過改變其模板參數(shù)實現(xiàn)邏輯門的動態(tài)轉變。針對線性不可分布爾函數(shù),通過對經典通用和多重嵌套兩種類型細胞神經網絡的改進,分別設計了相應的模板參數(shù)求解過程,并利用經典通用細胞神經網絡實現(xiàn)了一位全加器的設計,仿真實驗結果表明基于經典通用細胞神經網絡設計的邏輯電路具有一定的優(yōu)越性;同時以Parity(4)函數(shù)為例,將經典通用細胞神經網絡和多重嵌套細胞神經網絡進行比較,分析了多重嵌套細胞在電路設計中資源利用的優(yōu)勢。其次研究了基于細胞神經網絡的進化電路設計。將遺傳算法用于進化電路,針對電路結構的特性,設計遺傳算法中電路個體的編碼方式為矩陣形式;通過加入三輸入線性可分函數(shù)作為邏輯基因,可提高基因的多樣性,豐富電路進化的多樣性,從而提高電路的有效性。對遺傳算法進行了改進,通過對選擇算子、交叉算子和變異算子的改善,可提高進化的速率,整體提高電路的性能。在此基礎上,設計了一位全加器和兩位乘法器進化電路。本文研究了如何利用標準細胞神經網絡及其改進型細胞實現(xiàn)布爾函數(shù),給出了方法和電路實現(xiàn)。所給出的方法物理意義明確、電路簡化、易于理解,為超大規(guī)模集成電路實現(xiàn)細胞神經網絡打下基礎,對可重構芯片的設計具有一定的工程意義。
【關鍵詞】：細胞神經網絡 動態(tài)邏輯門 經典通用細胞神經網絡 多重嵌套細胞神經網絡 布爾函數(shù) 進化電路 遺傳算法
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN702;TP183
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 注釋表10-11
• 第一章 緒論11-15
• 1.1 研究背景11-12
• 1.2 國內外研究現(xiàn)狀12-13
• 1.3 論文主要內容及章節(jié)結構13-15
• 第二章 標準細胞神經網絡邏輯門電路設計15-36
• 2.1 細胞神經網絡結構分析15-19
• 2.1.1 CNN拓撲結構15-16
• 2.1.2 CNN單細胞分析16-18
• 2.1.3 CNN模板和基因庫18-19
• 2.2 標準細胞神經網絡邏輯門電路設計19-34
• 2.2.1 布爾函數(shù)概念19-23
• 2.2.2 細胞神經網絡電路平衡點設計23-26
• 2.2.3 細胞神經網絡邏輯門基因設計26-28
• 2.2.4 基于標準非耦合細胞兩輸入邏輯門電路設計28-31
• 2.2.5 基于標準非耦合細胞三輸入邏輯門電路設計31-34
• 2.3 本章小結34-36
• 第三章 通用細胞神經網絡的邏輯電路設計與實現(xiàn)36-54
• 3.1 通用細胞神經網絡36-40
• 3.1.1 細胞神經網絡判別函數(shù)36-38
• 3.1.2 經典通用細胞神經網絡模型38-39
• 3.1.3 多重嵌套通用細胞神經網絡模型39-40
• 3.2 經典通用細胞神經網絡電路仿真與分析40-50
• 3.2.1 兩輸入“異或”與“同或”門分析及電路設計40-41
• 3.2.2 一位全加器的經典通用細胞神經網絡電路設計41-48
• 3.2.3 一位全加器的邏輯電路設計對比分析48-50
• 3.3 多重嵌套通用細胞神經網絡電路設計50-53
• 3.3.1 多重嵌套通用細胞神經網絡判別函數(shù)設計50-52
• 3.3.2 多重嵌套通用細胞神經網絡與經典通用細胞神經網絡電路設計分析對比52-53
• 3.4 本章小結53-54
• 第四章 基于細胞神經網絡的進化電路設計54-71
• 4.1 進化電路設計算法54-58
• 4.1.1 進化電路設計原理54-55
• 4.1.2 遺傳算法原理55-58
• 4.2 種群個體基因庫設計58-59
• 4.3 基本遺傳算法用于進化電路設計59-62
• 4.3.1 電路個體的編碼規(guī)則59-60
• 4.3.2 個體適應度評價策略和輸出端的選取60-61
• 4.3.3 個體的交叉和變異策略61
• 4.3.4 算法實現(xiàn)流程61-62
• 4.4 改進遺傳算法用于進化電路設計62-63
• 4.4.1 選擇算子的改進62
• 4.4.2 交叉算子的改進62-63
• 4.4.3 變異算子的改進63
• 4.5 實驗結果分析63-70
• 4.5.1 遺傳算法測試對比實驗63-67
• 4.5.2 進化一位全加器67-68
• 4.5.3 進化兩位乘法器68-70
• 4.6 本章小結70-71
• 第五章 總結與展望71-73
• 5.1 全文總結71
• 5.2 本文的主要工作71-72
• 5.3 工作展望72-73
• 參考文獻73-77
• 致謝77-78
• 在學期間的研究成果及發(fā)表的學術論文78

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 梁興建;詹志輝;譚偉;彭建新;;基于最優(yōu)保留策略的改進遺傳算法[J];計算機工程與設計;2014年11期

2 劉硯一;劉文波;袁曉征;;細胞神經網絡實現(xiàn)時鐘邊沿可控雙邊沿D觸發(fā)器[J];北京郵電大學學報;2013年05期

3 劉全;王曉燕;傅啟明;張永剛;章曉芳;;雙精英協(xié)同進化遺傳算法[J];軟件學報;2012年04期

4 張超群;鄭建國;錢潔;;遺傳算法編碼方案比較[J];計算機應用研究;2011年03期

5 張京釗;江濤;;改進的自適應遺傳算法[J];計算機工程與應用;2010年11期

6 曹道友;程家興;;基于改進的選擇算子和交叉算子的遺傳算法[J];計算機技術與發(fā)展;2010年02期

7 陳友文;;一種改進選擇算子和基于小生境的遺傳算法[J];計算機與數(shù)字工程;2009年06期

8 李晨;寧紅云;;改進的遺傳算法選擇算子[J];天津理工大學學報;2008年06期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 杜蛟;布爾函數(shù)相關數(shù)學問題的研究[D];北京郵電大學;2013年

，

本文編號：665829