پیاده سازی شبکه عصبی بر پایه SVM

در اینمقاله شبکه عصبی بر پایه SVM به گونه ای طراحی شد که مستقل از فرکانس کلیدزنی باشد. عملکرد معکوس گر برای معماری ،شبکه عصبی بر پایه SVM با دقت بیتی مختلف مورد مطالعه قرار گرفت. نتایج پیاده سازی سخت افزاری، فرمول عمومی پیشنهادی را تایید کردند.نتیجه آن شد که شبکه عصبی بر پایه SVM با دقت 61 بیتی از نظر پیاده سازی و عملکرد معکوس گر بهینه می باشد.نتایج نشان می دهد که شبکهعصبی بر پایه SVM که مستقل از فرکانس آموزش دیده است، به ازای فرکانسهای کلیدزنی مختلف معکوس گر عملکرد مناسبی دارد. عملکرد معکوس گر با افزایش فرکانسهای کلیدزنی بهبود مییابد. استفاده از فرکانس کلیدزنی بالاتر با SVM پیشنهادی میسر شده است. برای افزایش فرکانس کلیدزنی،یک شبکه عصبی پیش خور چند لایه ارائه می شود تا زمان ارزیابی تابع عرض پالس را کاهش دهد و فرکانس کلیدزنی معکوسگر را افزایش دهد. تکنیک SVM به کمک شبکه عصبی چند لایه پیاده سازی شده است.با بکارگیری رویکرد ارائه شده در این مقاله، معماری شبکهعصبی برای این کاربرد بصورت ساختار 6 1 1 1 3 تعیین می شود. شبکه عصبی با دقت 8 بیتی توسط Xilinx 6.1i پیاده سازی شده، با ModelSim XE II 5.7c شبیه سازی شده و بر روی تراشه XCV400hq240 به کمک مدل تست مکاترونیک MXUK-SMD-001 آزمایش شده است

کلیدواژه ها:

مدو لاسیون برداری فضا/ معکوس گر ، مدولاسیون عرض پالس