前言：人工智能机器学习有关算法内容，请参见公众号“科技优化生活”之前相关文章。人工智能之机器学习主要有三大类:1)分类;2)回归;3)聚类。今天我们重点探讨一下卷积神经网络(CNN)算法。 ^_^
演化脉络下图所示CNN结构演化的历史，起点是神经认知机模型，已经出现了卷积结构，但是第一个CNN模型诞生于1989年，1998年诞生了LeNet。随着ReLU和dro
自从AlexNet一举夺得ILSVRC 2012 ImageNet图像分类竞赛的冠军后，卷积神经网络(CNN)的热潮便席卷了整个计算机视觉领域。CNN模型火速替代了传统人工设计
卷积码在现代无线通信系统中应用十分广泛，Viterbi译码是最常用的一种对卷积码的译码算法。介绍了卷积编码及Viterbi串行解码的原理及其FPGA的实现。在
要实现自主，机器人不仅仅只需要人工智能(AI)，还需要很多传感器、传感器融合以及边缘实时推理。由于深度卷积神经网络的优点已得到公认，激光雷达对更为先进的数据处理的需求正在把神经网络推向新的拓扑结构，以
谢仁杰 （英特尔战略合作和创新业务部 技术经理，人工智能开放创新平台联合学者，上海 200241）摘 要：近年来在许多信号处理应用领域中，深度卷积神经网络引起了学术界和工业界很大的关注，其中 基于数
基于电路分割技术的查表法实现根升余弦脉冲成形滤波器FPGA设计-数字通信系统中，基带信号的频谱一般较宽，因此传递前需对信号进行成形处理，以改善其频谱特性，使得在消除码间干扰与达到最佳检测接收的前提下，提高信道的频带利用率。目前，数字系统中常使用的波形成形滤波器有平方根升余弦滤波器、高斯滤波器等。设计方法有卷积法或查表法，其中：卷积法的实现，需要消耗大量的乘法器与加法器，以构成具有一定延时的流水线结构。为降低硬件消耗，文献提出了一种分布式算法（Distributed Arithmetic，DA）的滤波器设计结构。它将传统的乘、累加运算转化为移位、累加运算，当运算数据的字宽较小时，极大地降低了硬件电路的复杂度，提高了响应速度；当运算数据的字长较长时，因其需要更多的移位迭代运算而不适合高速处理的需求。为此，文献提出了采用滤波器的多相结构与改进DA算法相结合的一种设
采用FPGA实现FFT算法-随着数字技术的快速发展，数字信号处理已深入到各个学科领域。在数字信号处理中，许多算法如相关、滤波、谱估计、卷积等都可通过转化为离散傅立叶变换(DFT)实现，从而为离散信号分析从理论上提供了变换工具。
