刘维华

(中共陕西省委党校陕西行政学院 文化与科技教研部， 陕西 西安 710000)

0 引言

视觉神经网络算法的基本原理是以收集图像数据为基础,对外界图像进行处理，并通过GPRS无线系统将图像的信息单元以冲脉电流方式对神经网络组织进行适当的感官接触，起到视觉神经兴奋的作用，在一定的电流刺激过程中可以使人的视觉感官对眼前的事物有基本的识别能力[1-2]。尽管国内外研究学者在视觉网络辨别中取了很多的研究成果，但是受到信号交互、电极硬件设备和结构部件通讯等技术因素制约，可以实现视觉感官刺激的电流模块非常少。本研究以DretionNet模型和ReaqiueNet模型为基础，通过神经网络算法进行优化，得到基于FPGA的高效算法的神经网络模型，对其多条分支的组织结构进行优化[3-5]。根据DretionNet模型和ReaqiueNet模型的评价分析，得到两种模型针对神经网络算法的改进点，并以设备性能提升为依据，结合神经网络适应的优化设备，对原有的神经网络模型进行改进，根据优化后的神经网路模型和FPGA为基础的高速网络算法，提出多分支的深度卷积算法，根据设备中的卷积算法,运用电流脉冲和数据采集系统，更好地提升算法效率。

1 神经网络模型

1.1 DretionNet模型

DretionNet模型相对于其他模型有更好地兼容性和可塑性，由于DretionNet模型是根据原有模型的基础改良而成，因此其参数和结构是可以结合实际情况进行改变[6]。针对模型的不同敏感参数，结合参数的变化程度可以随时调整，这样类似的改变可以有效控制研究模型被修改，导致因参数变化引起模型精准度降低的结果，此类模型特征改变在视觉神经网络算法中起到非常重要的作用[7-8]。……