一种基于FPGA的神经网络硬件实现方案详解-人工神经网络在智能控制、模式识别、图像处理等领域中应用广泛。在进行神经网络的应用研究时，人们可以将神经网络模型或算法在通用的计算机上软件编程实现，但很多时间浪费在分析指令、读出写入数据等，其实现效率并不高。软件实现的缺点是并行程度较低，因此利用软件实现神经网络的方法无法满足某些对数据实时处理要求较高的场合（如工业控制等领域）。
基于Altera的FPGA器件完整设计流程以及开发工具分析-近年来，随着微电子学的迅速发展以及SoC（System on Chip，片上系统）技术在设计领域引起的深刻变革，EDA（Electronic Design Automatic，电子设计自动化）工具在系统设计中的地位愈发重要。特别是20世纪90年代后，电子系统已经由电路板级发展为ASIC（Application Specific Integrated Circuit，专用集成电路）、FPGA（Field Programmable Gate Array，现场可编程门阵列）以及嵌入式系统等多种模式，其中FPGA设计正是当前数字系统设计领域中的重要方式之一。
通过利用FPGA器件和EP1s25F672I7芯片实现LDPC码编码器的设计-低密度奇偶校验（Low Density Parity Check Code，LDPC）码是一类具有稀疏校验矩阵的线性分组码，不仅有逼近Shannon限的良好性能，而且译码复杂度较低， 结构灵活，是近年信道编码领域的研究热点，目前已广泛应用于深空通信、光纤通信、卫星数字视频和音频广播等领域。LDPC码已成为第四代通信系统（4G）强有力的竞争者，而基于LDPC码的编码方案已经被下一代卫星数字视频广播标准DVB-S2采纳。
阿里FPGA云服务器平台FaaS，可大大降低加速器的开发与部署成本- FPGA （现场可编程门阵列）由于其硬件并行加速能力和可编程特性，在传统通信领域和IC设计领域大放异彩。一路走来，FPGA的技术并不是一个新兴的硬件器件，由于其开发门槛过高，硬件加速算法的发布和部署保护要求非常高，FPGA的使用一直是高冷的美人，没有走入平常百姓家。也就导致FPGA的计算潜力还没有得到深入的挖掘。
基于FPGA的移动目标实时定位跟踪系统-基于实时物体移动的静态图像背景中移动目标检测是计算机视觉领域的研究热点，在安防、监控、智能交通、机器智慧、以及军事领域等社会生活和军事防御等诸多领域都有较大的实用价值。移动目标检测的实质是从实时图像序列中将图像的变化区域从整体图像中分割提取出来。
Zynq、FPGA等相关芯片可以运用到那些领域-因为Zynq-7000 PS(Processing System)端嵌入了Cortex-A9 ARM 处理核以及PL(Programmable Logic)端为基于Kintex-7或者Artix-7的FPGA架构使得Xilinx Zynq-7000更加强悍，应用领域更加广泛。下面将从以下方面介绍Zynq-7000的应用领域：汽车、通信系统、机器人、控制和仪器 、图像和视频处理 、医药、工业控制和许多其他领域。
“万能芯片”FPGA在深度学习领域的用法-而众所周知，在专用芯片与通用芯片中间，还有一个更为灵活，也更为神秘的领域：FPGA。无论是英特尔天价的收购还是微软与 IBM 雄心勃勃的计划，都让人对其更加好奇。而“万能芯片”的名称，以及多样化的职责范围：它可以是智能手机里不起眼的一个小组件，也可以是数千美金一块的开发板，也让人对其真面目更加疑惑。
一款Xilinx FPGA的CNN加速器IP—AIScale-随着人工智能（AI）的不断发展，它已经从早期的人工特征工程进化到现在可以从海量数据中学习，机器视觉、语音识别以及自然语言处理等领域都取得了重大突破。CNN（Convolutional Neural Network，卷积神经网络）在人工智能领域受到越来越多的青睐，它是深度学习技术中极具代表性的网络结构之一，尤其在图像处理领域取得了很大的成功。
FPGA：X-DB异构计算实现百万级TPS的技巧-X-Engine 是集团数据库事业部研发的新一代存储引擎，是新一代分布式数据库X-DB的根基。为了达到10倍MySQL性能，1/10存储成本的目标，X-DB从一开始就使用了软硬件结合的设计思路， 以充分发挥当前软件和硬件领域最前沿的技术优势。而引入FPGA加速是我们在定制计算领域做出的第一个尝试。
关于低频数字式相位仪的设计方案-基于AVR单片机与FPGA的低频数字式相位测量仪设计 在工业领域中经常要用到低频数字式相位仪来精确测量两信号之问的相位差，比如在电力系统、频率特性的研究、激光测距等领域均有广泛的应用，相位检测的精度直接决定系统的整体性能。
