在过去的几年里,机器学习技术(Machine Learning Techniques),特别是采用了神经网络技术的机器学习技术在模式识别系统(Pattern Recognition Systems)中发挥了举足轻重的作用。实际上,机器学习技术已经成为近年来像语音识别技术及手写字符识别技术等比较成功的模式识别应用成功的关键因素。传统的基于通用处理器的卷积神经网络(Convolutional Neural Network)应用往往面临着实现代价高,运算速度慢等问题,因而无法广泛应用。而如果考虑将其采用专用硬件芯片的方式实现,则可以很好的解决上述问题。本文的主要目的是利用卷积神经网络相关技术及VLSI(Very Large Scale Integration)架构设计相关技术设计并实现了一个用于识别手写数字的模式识别硬件系统,主要工作如下:1.基于LeNet-5卷积神经网络,使用C++编程语言及软件工程相关知识,设计并实现了一个用于识别手写数字的软件模拟系统,为后续硬件设计提供指导。2.根据软件模拟结果,确定硬件实现中的操作数表示格式,然后设计并实现各硬件基本运算单元,并对其进行优化处理。3.根据LeNet-5卷积神经网络相关知识及VLSI架构设计相关技术,并在实验室相关设计研究的基础上,设计并实现用于识别手写数字的硬件电路系统。近年来,在机器学习及计算机技术方面取得的进展,使得本课题可以顺利完成。通过实验可以证明,相比软件实现方式,采用硬件实现的手写数字识别卷积神经网络应用具有更优异的性能。