摘要：基于神经网络与模糊逻辑的手写体数字识别的算法，设计出一种结构紧凑灵活的可编程可配置电流型集成电路神经网络／模糊逻辑识别器用来进行手写体数字的识别。这种识别器既可实现单层或多层感知机的神经网络算法，也可实现模糊逻辑的识别算法。该识别器利用了电流信号的可操作性强的特点来实现神经网络与模糊逻辑中的乘加运算和非线性变换，并采用开关电流（ＳＩ）技术进行累加运算。ＨＳＰＩＣＥ模拟表明该识别器性能良好，并且其所需工艺完全与标准数字ＣＭＯＳ工艺兼容。

摘要：本文提出了一种基于细胞神经网络(CellularNeuralNetworkorCNN)和多层感知机(MultiLayerPerceptronorMLP)构成的组合神经网络进行手写体数字识别的系统及VLSI的实现.该系统首先由CNN从归一化为20×20的字符图像的水平与垂直方向以及两个对角线上逐行进行相邻单元检测(ConnectedComponentDetectororCCD),并把检测到的特征进行适当压缩,然后按一定的时序馈送到下一级的MLP来进行识别.MLP是一个80×20×10的具有局部互连的两层网络.它主要由神经处理单元(NeuralProcessingUnitorNPU)阵列、开关电流积分器以及电流比较器等构成.NPU的权重是可调整的,其值由反向传播学习算法事先学习好,再经过八值量化后每一个权重由四位来表示.该识别系统较为简单有效。