Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "林建旻"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    以FPGA實現GRNN演算法之特徵分類硬體系統
    (2015) 林建旻
    本論文針對特徵分類法則實現一套硬體架構,可快速辨認出特徵加以分類。採用的法則是廣義迴歸類神經網路(General Regression Neural Network,GRNN)為監督式學習法則,與其它分類演算法相比,如RBFN (Radial Basis Function Network, RBFN)需要一段時間離線訓練,因此無法適用於即時分類,相較之下GRNN不需要離線訓練且學習速度快,可立刻獲得分類結果。 本論文GRNN法則是以浮點數格式(Floating-point)為基礎實現並驗證現場可程式化邏輯閘(FPGA, Field Programmable Gate Array)上,在一些文獻中於FPGA已實現GRNN法則,但它們電路面積與訓練資料個數成正比,故資源消耗(area cost)量是很可觀的,相較之下本論文設計的電路面積不會與訓練資料的個數成正比,所以在資源消耗方面佔有一定的優勢。此外,文獻中所提出的GRNN法則是以固定點格式(Fixed-point)實現硬體電路,分類的精確度比本電路設計的浮點數格式低,綜合上述所提到的觀點,本電路具有學習速度快、可用於即時分類、資源消耗低,以及分類精確度高的優點。

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback