sigmoid函数导数的硬件实现(verilog)

最新推荐文章于 2024-08-09 20:19:15 发布

XJTU_NOC_Wei

最新推荐文章于 2024-08-09 20:19:15 发布

阅读量6.7k

点赞数 3

分类专栏：激活函数导数硬件仿真文章标签： sigmoid导数

本文链接：https://blog.csdn.net/XJTU_NOC_Wei/article/details/53613599

版权

本文介绍了sigmoid函数导数的硬件实现方法，通过细致的数值范围划分以提高精度。在16位浮点型数据下，利用ROM存储每个范围的x对应y值，通过输入数据确定ROM中的地址。虽然实现过程复杂，但提供了简化的设计思路和代码示例。

摘要由CSDN通过智能技术生成

仿真思路

其实是使用了很普通的硬件的函数的仿真方法，但是有趣的是我为了提升精度将划分划分的更加细致了；
看一下matlab源代码还有图像大家就知道了：

function Mysolution()
x1=0:0.01:0.125;
f1=0.2498 ;
x2=0.125:0.01:0.25;
f2=0.2478;
x3=0.25:0.01:0.375;
f3= 0.2440 ;
x4=0.375:0.01:0.5;
f4=0.2384;
x5=0.5:0.01:0.625;
f5=0.2312;
x6=0.625:0.01:0.75;
f6=0.2226;
x7=0.75:0.01:0.875;
f7=0.2129;
x8=0.875:0.01:1;
f8=0.2022;
x9=1:0.01:1.125;
f9=0.1909;
x10=1.125:0.01:1.25;
f10=0.1791;
x11=1.25:0.01:1.375;
f11=0.1671;
x12=1.375:0.01:1.5;
f12=0.1551;
x13=1.5:0.01:1.625;
f13=0.1443;
x14=1.625:0.01:1.75;
f14=0.1317;
x15=1.75:0.01:1.875;
f15=0.1206;
x16=1.875:0.01:2;
f16=0.1101;
x17=2:0.01:2.125;
f17=0.1001;
x18=2.125:0.01:2.25;
f18=0.0907;
x19=2.25:0.01:2.375;
f19=0.0820;
x20=2.375:0.01:2.5;
f20=0.0739;
x21=2.5:0.01:2.625;
f21=0.0665;
x22=2.625:0.01:2.75;
f22=0.0597;
x23=2.75:0.01:2.875;
f23=0.0534;
x24=2.875:0.01:3;
f24=0.0478;
x25=3:0.01:3.125