尹嵩
- 作品数:3 被引量:9H指数:2
- 供职机构:西安理工大学自动化与信息工程学院更多>>
- 发文基金:陕西省自然科学基金国家自然科学基金陕西省教育厅科研计划项目更多>>
- 相关领域:自动化与计算机技术电子电信更多>>
- 一种基于FPGA的新的SVM硬件实现方法被引量:4
- 2010年
- 提出了一种基于递归神经网络的实现最小二乘支持向量机的FPGA串行计算方法,与已有的并行计算方法相比,该方法利用了递归神经网络的并行性及最小二乘支持向量机简化的约束条件的优点,在保证计算速度的同时,明显提高了FPGA的硬件资源利用效率,能够适应大规模训练样本的情况。实验结果表明,由于该方法具有灵活的串行计算、并行传输的特点,在较少使用FPGA硬件资源的同时,计算速度不会有明显变化,可有效地用硬件实现支持向量机。
- 刘涵王博尹嵩刘丁
- 关键词:最小二乘支持向量机递归神经网络
- 基于动态神经网络的支持向量机的FPGA实现
- 支持向量机(Support Vector Machines. SVMs)作为一种通用的机器学习算法,能够较好的解决小样本学习问题。目前对支持向量机的研究主要是集中在理论研究和算法优化方面。与之相比,在实现方法及应用方面的...
- 尹嵩
- 关键词:支持向量机最小二乘支持向量机动态神经网络FPGAVHDL
- 文献传递
- 基于动态神经网络支持向量机的FPGA实现被引量:4
- 2010年
- 研究了一种基于动态神经网络支持向量机(SVM)的FPGA硬件实现方法.提出了基于动态神经网络的最小二乘支持向量机(LS-SVM)神经网络结构,完成了VHDL语言描述的基于动态神经网络的LS-SVM结构设计,并在XILINX SPANT3E系列FPGA中完成了LS-SVM的分类与回归实验.结果表明,该硬件实现方法很好地完成了SVM的分类与回归功能,与现有的软件仿真和模拟器件实现相比,该方法具有更快的收敛速度和更高的灵活性.
- 刘涵尹嵩刘丁
- 关键词:支持向量机最小二乘支持向量机动态神经网络稳定性