Cilj ovog rada bio je izraditi model umjetne neuronske mreže, pogodan za ostvarivanje u FPGA sklopovima, te dodatno sklopovsko ubrzanje dobivanja rezultata prijenosnih funkcije neurona. Za dobivanje zadovoljavajućeg modela korišteni su alati Matlab i programski jezik C. Model je napravljen, istreniran i evaluiran u alatu Matlab. Korišten je alat Matlab zbog jednostavnosti korištenja već dostupnih biblioteka za rad s umjetnim neuronskim mrežama. Na temelju Matlab modela, stvoren je C model. Izradom potrebne okoline oko razvijenog C modela, ostvaren je sustav koji na zadatku klasifikacije prometnih znakova postiže vrlo visoku točnost klasifikacije od 96.6% što ga čini vrlo dobrim sustavom u području klasifikacije slika. Dodatno, ostvareno je i sklopovsko rješenje s ciljem ubrzanja računanja rezultata prijenosnih funkcija svakog sloja razvijene neuronske mreže. Za taj cilj, dvije funkcije koje predstavljaju prijenose funkcije skrivenog sloja i izlaznog sloja mreže, ostvarene su u sklopovlju korištenjem IP jezgri. Na kraju, razvijen je cjelokupni sustav koji objedinjuje sklopovski i programski pristup. Koristeći Vivado alat i Xilinx SDK program stvoren je sklopovski sustav s razvijenim IP jezgrama i procesorom za koji je razvijena aplikacija. Aplikacija obavlja identičan zadatak kao i C aplikacija no za računanje izlaza neurona koristi razvijene IP jezgre što dovodi do znatnog ubrzanja cijelog sustava što je i bio cilj ovog rada.