[发明专利]基于浮点数运算内联函数库的神经网络优化方法

摘要

一种基于浮点数运算内联函数库的神经网络优化方法，其中神经单元的模型为：Y=1/(1+exp(-∑wi×xi))，i取1到n，n为神经单元个数；上述浮点数运算内联函数库构建于双核芯片之中，即函数库IQmathLibrary中。本发明的基于浮点数运算内联函数库的神经网络优化方法中，除了_IQ(x[i])这一步骤是在循环中执行以外，剩下的步骤都在循环体外执行，所有的步骤执行在整体上比浮点运算的效率大大提升。本发明将BP神经网络在TMS3206467T上的移植优化，结果的精度由开始的小数定标决定在保证结果精度不影响识别率的同时大大提高了BP网络识别效率。

主权项

一种基于浮点数运算内联函数库的神经网络优化方法，其中神经单元的模型为:Y = 1/(1 + exp(‑∑wi×xi)), i取1到n,n为神经单元个数；上述浮点数运算内联函数库构建于双核芯片之中, 即函数库IQmath Library,该函数库包括:格式转化函数,实现定标后的浮点数与整数之间的相互转化；运算函数,实现定标后的浮点数的乘除法；三角函数,实现定标后的浮点数的正弦，余弦，正切运算；数学函数,实现定标后的浮点数的开根，指数，对数和多次方运算；一般运算函数,实现定标后的浮点数的绝对值和限幅运算；上述神经网络优化的步骤为：I、根据实际w和x的取值范围和精度要求，对浮点数w和x进行定标，并定义_INLINE_IQMATH模式；II、调用函数库IQmath Library中的格式转化函数将定标后的浮点数转化为定点数，调用格式转化函数中的int y =_IQ(float x)；其中权值w为常量，在运算前转为整形数，int intw[i] = _IQ(w[i])；值x在运算时进行转化，int intx[i] =_IQ(x[i])；III、先进行乘法点积运算，调用运算函数_iq y = _IQmpy(_iq A,_iq B)；_iq sum = ‑∑_IQmpy(intw[i],_IQ(x[i]))， i = 0 … n，进行整形乘法运算，∑循环执行；然后进行指数运算调用_iq y = _IQexp(_iq A)，_iq y = _IQexp(sum),进行查指数表运算，所述的指数表在运行实时库中，通过cmd文件指定存储段；再进行除法运算，调用运算函数_iq y = _IQdiv(_iq A,_iq B)，res = _IQdiv(1,1 + y) ，进行查除法表运算；IV.最后用格式转化函数将结果再次转换回浮点数，调用用函数float y = _IQtoF(int x)，float fres = _IQtoF(res)。