徑向基函數神經網絡芯片ZISC78及其應用

ＺＩＳＣ７８片內有６ ｂｉｔ地址總線和１６ ｂｉｔ數據總線，其中數據總線用于傳輸矢量數據、矢量類型、距離值和其它數據。

２．３ ＺＩＳＣ７８的寄存器組

ＺＩＳＣ７８使用兩種寄存器：全局寄存器和神經元寄存器。全局寄存器用于存儲與所有神經元有關的信息，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和委托狀態的神經元。神經元寄存器用于存儲所屬神經元的信息，該信息在訓練學習操作中寫入，在識別操作中讀出。

２．４ ＺＩＳＣ７８的操作

ＺＩＳＣ７８的操作包括初始化、矢量數據傳播、識別和分類等三部分。

初始化包括復位過程和清除過程。

矢量數據傳播包括矢量數據輸入過程和神經元距離計算過程。神經元距離就是輸入矢量和神經元中存儲的原型之間的范數。通常可選Ｌ１范數或Ｌｓｕｐ范數：

其中，Ｘｉ為輸入矢量數據，Ｘｓ為存貯的原型數據。

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神經網絡。在該ＲＢＦ模式下，可輸出識別、不確定或不認識的狀態；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元個數以適應輸入信號的分類和識別功能，神經元個數的最大值和最小值在全局寄存器組中設定。

２．５ ＺＩＳＣ７８的組網

一個ＺＩＳＣ７８芯片內可以通過寄存器操作定義若干個獨立的網絡。若干個ＺＩＳＣ７８芯片通過層疊可以組成一個更大的神經網絡，組網芯片數量沒有限制，小于１０個ＺＩＳＣ７８組網時，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。

３　仿真實例

為了驗證ＺＩＳＣ７８用于船舶運動實時預報的精度，本文對徑向基函數神經網絡預報進行了仿真，圖４給出了基于徑向基函數神經網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。

通過以慣導實測數據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判斷出本數據為非線性信號。

該仿真的最大預報誤差方差為６．４６６６ｅ－００４，該數據可以滿足戰技指標。

４　結束語

本文根據船載武器系統的整體要求，結合船舶運動的特點研究了基于徑向基函數神經網絡芯片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。