第一章 绪论
§1.1 研究背景及意义
§1.2 国内外研究现状
§1.2.1 深度强化学习的国内外研究现状
§1.2.2 可重构计算的国内外研究现状
§1.2.3 神经网络加速器的国内外研究现状
§1.3 论文研究内容
§1.3.1论文的研究内容
§1.3.2 论文的创新点
§1.4 论文结构
第二章 相关理论概述
§2.1 神经网络
§2.1.1 神经元模型
§2.1.2 BP神经网络
§2.2 深度强化学习
§2.2.1 马尔科夫决策模型
§2.2.2 强化学习基本框架
§2.2.3 深度强化学习
§2.3 硬件加速相关技术介绍
§2.3.1硬件加速器简介
§2.3.2 常用优化方法
§2.4 本章小结
第三章 基于CGRA的片上DQN加速器的通用结构设计
§3.1 DQN片上算法设计分析
§3.2 片上算法设计整体架构
§3.2.1 加速器整体架构
§3.2.2 设计流程
§3.3 通用数据存储映射结构
§3.3.1 全连接运算数据存储映射结构
§3.3.2 深度强化学习运算数据存储映射结构
§3.4 本章小结
第四章 基于CGRA的可重构DQN加速器的具体实现
§4.1 存储交互模块设计
§4.2 可重构指令集结构设计
§4.3 RPE设计
§4.3.1 RPE整体设计结构
§4.3.2 乘加器模块
§4.3.3 激活函数近似表示模块
§4.3.4 数据表示处理规则
§4.3.5 RPE控制状态机
§4.4 动作迭代决策模块设计
§4.4.1 验证模式下的动作迭代实现
§4.4.2 训练模式下的动作迭代实现
§4.5 并行流水线计算设计
§4.6 中央状态控制器设计
§4.7 系统协调仿真
§4.8 本章小结
第五章 后端设计和性能分析
§5.1 逻辑综合与实现
§5.1.1逻辑综合设计实现
§5.1.2 综合结果分析
§5.2 版图设计
§5.3 性能分析
§5.3.1 网络规模与性能
§5.3.2 计算阵列与性能
§5.3.3 Q迭代决策性能分析
§5.3.4 计算能效对比
§5.4 本章小结
第六章 总结与展望
§6.1 研究总结
§6.2 研究展望
参考文献
致谢
作者在攻读硕士期间的主要研究成果
