资料介绍
嵌入式系统论文
基于神经网络ZISC的模式识别系统
摘要：首先介绍人工神经网络ANN实现技术的历史、现状和发展，着重分析RBF网络的原
理及其建立在超大规模集成电路基础上的硬件神经网络的设计方法。然后，介绍一种新
的硬件神经网络技术ZISC的工作原理和应用。最后，以ZISC036芯片为例，实现一个模式
识别系统。
关键词：人工神经网络 ZISC 超大规模集成电路 径向基函数 模式识别
引言
当前对人工神经网络ANN（Artificial Neutron
Network）的研究热潮源自Hopfield
J.[1]和McclellandJ.等人于20世纪80年代发表的论文[2],[3]。Hopfield提出了激活函
数为非线性的反馈网络，并将其成功地运用于组合优化问题；Mcclelland和Rumelhart用
多层前馈网的反向传播学习算法（Back
Propagation）成功地解决了感知器不能解决的"异或"问题及其它的识别问题。他们的突
破打消了此前人们由于简单线性神经网络感知功能的有限而产生的，使ANN成为了新的研
究热点。之后，新的网络结构和新的学习算法层出不穷，目前常见的都已达到几十种。
在这些神经网络中，径向基函数RBF（Radial Basic
Fuction）网络由于具有强大的矢量分类功能和快速的计算能力，在非线性函数逼近等方
面，特别是模式识别领域，获得了广泛的应用，从而成为当前神经网络研究中的一个热
点[4]。
模式识别是人工智能经常遇到的问题之一。其主要的应用领域包括手写字符识别、自
然语言理解、语音信号识别、生物测量以及图像识别等领域。这些领域的共同特点都是
通过对对象进行特征矢量抽取，再按事先由学习样本建立的有代表性的识别字典，把特
征矢量分别与字典中的标准矢量匹配，根据不同的距离来完成对象的分类。以识别手写
数字为例，字典中有由学习样本建立
我要上传