Implementation of the RBF Neural Chip with the On-line Learning Back-Propagation Algorithm

Implementation of the RBF Neural Chip with the On-line Learning Back-Propagation Algorithm

 

 

Abstract—This article presents the hardware implementation of the Radial Basis Function (RBF) neural network whose internal weights are updated in the real time fashion by the back-propagation algorithm. The floating-point processor is designed on a field programmable gat array (FPGA) chip to execute nonlinear functions required in the parallel processing calculation of the back-propagation algorithm. The performance of the on-line learning process of the RBF chip is compared numerically with the results of the RBF neural network learning program written in the MATLAB software under the same condition to check the feasibility of the implemented neural chip. The performance of the designed RBF neural chip is tested for the real-time pattern classification of the nonlinear XOR logic.

 

초록: 이 논문은 역전파 알고리즘을 통해 실시간으로 내부 가중치를 업데이트하는 Radial Basis Function(RBF) 신경 회로망의 하드웨어 구현에 관한 것이다. 역전파 알고리즘의 병렬 연산이 요구되는 비선형 함수의 연산을 위해 FPGA칩에 부동소수점 프로세서가 설계 및 구현되었다. RBF 칩의 온라인 학습의 성능을 확인하기 위해 동일한 조건에서 Matlab 소프트웨어에서 작성된 RBF 신경회로망의 결과와 구현된 뉴런칩의 성능을 비교하였다. 설계된 RBF 뉴런칩의 성능은 비선형성을 가지는 XOR 로직의 실시간 패턴 분류를 통해 테스트 하였다.

 

IEEE 국제 컴퓨테이셔널 인텔리전스 학회(IEEE World Congress on Computational Intelligence),

2008년 6월, 홍콩

implementation_of_the_rbf_neural_chip_with_the_on-line_lear.pdf