目前對人工神經網絡實現技術的研究主要有軟體實現與硬體實現。軟體模擬神經網路的方法存在著速度慢與並行程度低的問題，不能滿足神經網路即時計算的需求。此外，軟體模擬實現的方法需要龐大體積的電腦支援，就更不適合應用於嵌入式場景。
FPGA有“液體硬體”之稱，是可重構處理單元的典型代表，具有規則的可編程結構，可實現各種邏輯功能，屬於硬體可編程。FPGA 具有很強的運算能力，具有極大的靈活性，而且隨著 FPGA 容量的進一步增大，功能進一步增強，並可透過整合以降低系統成本。
創新 FPGA 晶片具有面積小、運算速度快、造價低、可編程、靈活性好、可重構、設計週期短等優點，這些都是用 FPGA 實現神經網路硬體的優勢。 項目以最短路徑問題為例，建立神經網絡模型，並對其進行軟體模擬和硬體設計。
本設計採用 System Generator 與 Vivado 聯合設計，用 System Generator 進行系統模擬，產生模型化的數位系統後，將設計轉換為硬體電路，最後在Vivado 中完成模擬、綜合、實現及晶片配置。以 Xilinx Nexys4 DDR 開發板為硬體平台，實現神經網路的硬體實現，並選用數碼管顯示最終運算結果。實驗表明使用 FPGA 實現此算法具有收斂速度快、功耗小等特點。
要想神經網絡能夠在實際中進行有效的應用，基於 FPGA 的神經網路實現技術就必須達到能夠支持大規模的神經網路模型的計算要求，而且還要盡可能地縮短神經計算的時間，而如何使得 FPGA 有效支持大規模的神經網路模型的計算還有待研究。
(本文為 2017 DDC 中國區選拔賽參賽作品)
基于FPGA的反馈神经网络硬件实现
http://www.digilent.com.cn/project/details/136.html
