本课题研究神经网络、模糊逻辑理论和芯片实现及其应用。完成的工作和主要创新之处有:研制出CMOSVTL神经元芯片,并组成二值图象处理硬件系统;研制出手写体数字识别用的神经网络芯片和模糊逻辑芯片,并构成硬件系统,识别率可达88%;提出新的分段矩阵矢量量化法和模糊逻辑语音识别器结构,完成版图设计;电路设计创新,如汉明网络和多输入MAX电路;研制出3×3八值乘法器芯片,完成8×8四值乘法器版图设计;提出两种模糊控制器的结构,并对其中一些单元电路进行工艺流水,取得予想的结果;提出单体模糊神经元网络,并进行非线性映射能力、学习方法、稳定性方面的研究和论证。
{{i.achievement_title}}
数据更新时间:2023-05-31
Ordinal space projection learning via neighbor classes representation
基于纳米铝颗粒改性合成稳定的JP-10基纳米流体燃料
Image super-resolution based on sparse coding with multi-class dictionaries
Phosphorus-Induced Lipid Class Alteration Revealed by Lipidomic and Transcriptomic Profiling in Oleaginous Microalga Nannochloropsis sp. PJ12
Numerical investigation on aerodynamic performance of a bionics flapping wing
概率逻辑神经元网络的研究
对偶三角模-余模逻辑的语义理论与应用
VLSI硬件逻辑功能验证理论和测试策略
基于人工神经元网络的模型自动选择理论和方法研究