摘 要： 使用分段非線性逼近算法計(jì)算超越函數(shù)，以神經(jīng)網(wǎng)絡(luò)中應(yīng)用最為廣泛的Sigmoid函數(shù)為例，結(jié)合函數(shù)自身對(duì)稱的性質(zhì)及其導(dǎo)數(shù)不均勻的特點(diǎn)提出合理的分段方法，給出分段方式同逼近多項(xiàng)式階數(shù)對(duì)逼近結(jié)果精度的影響。完成算法在FPGA上的硬件實(shí)現(xiàn)，給出一種使用三階多項(xiàng)式處理Sigmoid函數(shù)的擬合結(jié)果及流水線架構(gòu)，處理精度達(dá)到10-5數(shù)量級(jí)，最大頻率達(dá)到127.327 MHz，滿足了高速、高精度的處理要求。
 

在實(shí)時(shí)圖像處理、數(shù)字信號(hào)處理等領(lǐng)域內(nèi)，經(jīng)常需要對(duì)非線性函數(shù)進(jìn)行高速計(jì)算[1]。而在人工神經(jīng)網(wǎng)絡(luò)中更是需要對(duì)大量的非線性函數(shù)進(jìn)行計(jì)算。因此，在人工神經(jīng)網(wǎng)絡(luò)的研究領(lǐng)域內(nèi)，研究如何高速地處理非線性函數(shù)具有十分重要的意義。在人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最為廣泛的是Sigmoid函數(shù)。目前對(duì)于Sigmoid函數(shù)實(shí)現(xiàn)技術(shù)的研究主要分為軟件實(shí)現(xiàn)和硬件實(shí)現(xiàn)兩個(gè)方面。由于軟件相比硬件而言速度較慢并且并行程度很低，所以無(wú)法滿足其快速處理的要求[2]。因此，在超大規(guī)模集成電路快速發(fā)展的當(dāng)今時(shí)期，研究如何利用硬件快速處理Sigmoid函數(shù)顯然更加有意義。

FPGA憑借其可重構(gòu)技術(shù)的靈活性，成為解決Sigmoid函數(shù)高速計(jì)算問(wèn)題的有力工具。目前利用FPGA計(jì)算Sigmoid函數(shù)常用的方法有查找表法、CORDIC算法、Taylor級(jí)數(shù)展開(kāi)法和分段線性逼近法。查找表法[3]提前將所有的計(jì)算結(jié)果保存在一個(gè)ROM中，這種方法計(jì)算方便且容易實(shí)現(xiàn)，但是隨著函數(shù)計(jì)算精度的提高和擬合區(qū)間的增加，其所需求的存儲(chǔ)資源會(huì)顯著增加，資源消耗很高。CORDIC算法[4]通過(guò)多次迭代將一些復(fù)雜的運(yùn)算轉(zhuǎn)換成為簡(jiǎn)單的運(yùn)算，但是隨著精度增高，其算法的迭代次數(shù)也會(huì)提高，計(jì)算速度會(huì)減慢。Taylor級(jí)數(shù)展開(kāi)法[5]在精度要求較高的條件下會(huì)增加乘法器和加法器的使用，資源消耗巨大。分段線性逼近法[6-7]將查找表和低階多項(xiàng)式相結(jié)合，計(jì)算速度較快，是當(dāng)前解決此問(wèn)題的主流方法，然而在有限的分段區(qū)間用低階的多項(xiàng)式進(jìn)行擬合運(yùn)算，其計(jì)算結(jié)果在精度上并沒(méi)有優(yōu)勢(shì)，難以實(shí)現(xiàn)高精度的運(yùn)算要求。

為了解決上述問(wèn)題，本文采用傳統(tǒng)的分段非線性逼近法來(lái)處理Sigmoid函數(shù)。文獻(xiàn)[8]中使用了分段非線性逼近法來(lái)處理神經(jīng)網(wǎng)絡(luò)中常見(jiàn)的雙曲正切函數(shù)，然而文中并沒(méi)有給出分段方法的依據(jù)，同時(shí)在各小段的分段區(qū)間所得到的精度也差異很大。因此，本文針對(duì)這一問(wèn)題，以Sigmoid函數(shù)為研究對(duì)象，結(jié)合Sigmoid函數(shù)自身對(duì)稱及其導(dǎo)數(shù)不均勻的性質(zhì)，利用數(shù)值分析中的最小二乘法作為逼近原理，給出合理的分段方式。同時(shí)給出對(duì)比均勻分段的處理方式下逼近精度的差異情況。利用硬件描述語(yǔ)言實(shí)現(xiàn)硬件結(jié)構(gòu)的設(shè)計(jì)，并在Xilinx Virtex-5系列的XC5VLX110T器件上完成實(shí)際驗(yàn)證和性能測(cè)試，從資源使用、運(yùn)算速度同計(jì)算精度等方面對(duì)設(shè)計(jì)結(jié)果進(jìn)行合理評(píng)估。

分段非線性逼近法的基本原理是用高階多項(xiàng)式來(lái)逼近曲線。首先將待逼近函數(shù)按照一定的方式進(jìn)行分段，之后對(duì)每一個(gè)小段構(gòu)建高階多項(xiàng)式近似地代替原曲線，從而將復(fù)雜的非線性函數(shù)的計(jì)算問(wèn)題轉(zhuǎn)換成為多項(xiàng)式的計(jì)算問(wèn)題。

由泰勒公式的原理可知，函數(shù)在某一點(diǎn)按照泰勒公式展開(kāi)，隨著展開(kāi)的項(xiàng)數(shù)越來(lái)越多，逼近式的誤差會(huì)越來(lái)越小。并且，隨著項(xiàng)數(shù)的增加，每一項(xiàng)在數(shù)值上逐漸遞減，并最終趨向于無(wú)窮小。函數(shù)在某一點(diǎn)按照泰勒公式展開(kāi)，保留N階多項(xiàng)式時(shí)，其之后的所有項(xiàng)數(shù)均影響誤差，并且(N+1)階導(dǎo)函數(shù)的數(shù)值直接影響N階多項(xiàng)式的逼近結(jié)果。具體影響的方式為：N+1階導(dǎo)數(shù)取絕對(duì)值后，其值越大，表明函數(shù)在這一點(diǎn)處使用N階多項(xiàng)式逼近的誤差越高，因此在這點(diǎn)處對(duì)應(yīng)的分段區(qū)間間隔應(yīng)該相對(duì)較?。黄渲翟叫?，表明函數(shù)在這一點(diǎn)處使用N階多項(xiàng)式逼近的誤差越低，因此在這點(diǎn)處對(duì)應(yīng)的分段區(qū)間間隔應(yīng)該相對(duì)較大。在考慮分段時(shí)，可以根據(jù)N+1階導(dǎo)數(shù)的數(shù)值大小，將函數(shù)的分段區(qū)間進(jìn)行動(dòng)態(tài)調(diào)整，避免造成誤差過(guò)大。通過(guò)這樣的處理方式，可以對(duì)分段方式進(jìn)行一些優(yōu)化。下面結(jié)合Sigmoid函數(shù)進(jìn)行具體分析。

首先分析Sigmoid函數(shù)及其導(dǎo)函數(shù)的性質(zhì)，如圖1。F(x)為Sigmoid函數(shù)，G(x)為其4階導(dǎo)函數(shù)。在保證足夠的分段區(qū)間時(shí)，使用3階多項(xiàng)式就能夠得到較高的逼近精度。因此，本文使用3階多項(xiàng)式逼近Sigmoid函數(shù)，4階導(dǎo)函數(shù)G(x)直接影響逼近的誤差。通過(guò)研究圖像，得出以下結(jié)論：

(1)Sigmoid函數(shù)F(x)是以點(diǎn)(0，0.5)為對(duì)稱中心的函數(shù)，因此在計(jì)算Sigmoid函數(shù)值時(shí)只需計(jì)算正區(qū)間或負(fù)區(qū)間，另一半可通過(guò)對(duì)稱關(guān)系得到；

(2)以正區(qū)間為研究對(duì)象，Sigmoid函數(shù)的4階導(dǎo)數(shù)在x=1處附近取得最大值，并向兩側(cè)衰減，隨著x的不斷增大，4階導(dǎo)數(shù)最終趨向于0。