.png){kind=icon}
返回
An Area-Efficient and Low-Error FPGA-Based Sigmoid Function Approximation
.png){kind=icon}
OA
AI
DOI：10.3390/app152111551.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
神经形态硬件系统允许在需要高数据吞吐量、减小的物理尺寸和低能耗的各种应用中有效实现人工神经网络 (ann)。现场可编程门阵列 (fpga) 具有可以符合这些要求的固有特征。然而，由于资源约束和数值精度之间的平衡，在fpga上实现人工神经网络也提出了挑战，包括神经元激活函数的计算。本文利用一阶和二阶多项式函数的组合，为sigmoid函数提出了一种资源高效的硬件逼近方法。该方法的主要目的是最小化近似误差。本文还针对现有技术对获得的结果进行了评估，并讨论了它们的意义。实验结果表明，尽管所提出的方法主要旨在最小化近似误差，但与几个最密切相关的工作相比，它的硬件资源使用率也较低。使用16位定点数表示，通过使用Ciclone V 5CGXFC7C7F23C8 FPGA器件中的0.04% 逻辑块和3.21% DSP块，绝对平均误差为1.66x10-3。
Keyword:
neuromorphic hardware
Field-Programmable Gate Array
artificial neural network
neuron activation function
sigmoid
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
A Modular Approximation Methodology for Efficient Fixed-Point Hardware Implementation of the Sigmoid FunctionSigmoid函数的高效定点硬件实现的模块化近似方法
PREAI
分享收藏Groundwater level prediction with meteorologically sensitive Gated Recurrent Unit (GRU) neural networks.png)
JOURNAL OF HYDROLOGY
JOURNAL OF HYDROLOGYIF6.3
PREAI
分享收藏A Novel Configurable High-precision and Low-cost Circuit Design of Sigmoid and Tanh Activation Function一种新型可配置的高精度、低成本Sigmoid和Tanh激活函数电路设计
PREAI
分享收藏P-SFA: Probability based Sigmoid Function Approximation for Low-complexity Hardware Implementation
PREAI
分享收藏Regulation of cost function weighting matrices in control of WMR using MLP neural networksRobotica
RoboticaIF0
PREAI
分享收藏
查看更多内容