ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیاده سازی سخت افزاری شبکه های عصبی مرکب با FPGA

سال انتشار: 1392
کد COI مقاله: ELECOM01_165
زبان مقاله: فارسیمشاهده این مقاله: 2,345
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 17 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیاده سازی سخت افزاری شبکه های عصبی مرکب با FPGA

رضا ابراهیم پور - استادیار، دانشکده برق و کامپیوتر، دانشگاه تربیت دبیر شهید رجایی
نصور باقری - استادیار، دانشکده برق و کامپیوتر، دانشگاه تربیت دبیر شهید رجایی
انسیه ترکمان - دانشجوی کارشناسی ارشد، رشته ی برق الکترونیک ، دانشکده برق و کامپیوتر، دانشگاه تربیت دبیر شهید رجایی

چکیده مقاله:

پیاده سازی شبکه های عصبی مرکب می تواند به صورت نرم افزاری، سخت افزاری، نرم افزاری- سخت افزاری صورت پذیرد. معماری پیشنهاد شده در این مقاله برای پیاده سازی سخت افزاری شبکه های عصبی مرکب از نوع تعمیم پشته ای است. توپولوژی طبقه بند های پایه و ترکیب گر، از نوع پرسپترون چند لایه (MLP) است. طرح پیشنهادی دارای خاصیت بازپیکربندی است به طوری که برای انواع مختلفی از مسائل و کاربردهای مختلف یک معماری کلی و جامع را فراهم می کند. با تغییر مسئله امکان تغییر تعداد طبقه بندهای پایه ، تعداد نرون های هر لایه و تعداد لایه های متعلق به هر طبقه بند بدون تغییر در معماری طراحی شده، فراهم می شود. به منظور کاهش زمان پردازش عملیات های ریاضی که در حین پردازش شبکه صورت می پذیرد ، اعداد حقیقی به صورت کسری نمایش داده می شوند که صورت و مخرج آنها اعداد صحیح است. با استفاده از این روش محاسبات صورت گرفته به عملگر های مربوط به اعداد صحیح محدود می شود که توسط مدارات ترکیبی سریع قابل پیاده سازی هستند. در طرح پیشنهادی از تابع سیگموئید به عنوان تابع تحریک استفاده شده است. این تابع به صورت تعدادی چند جمله ای تخمین زده شده است که سبب می شود محاسبات مربوط به تابع تحریک به استفاده از عملگرهای جمع و ضرب محدود شود. مداری که برای محاسبه ی جمع های وزن دار طراحی شده است مجددا برای محاسبه ی تابع تحریک از آن بهره برده می شود که سبب کاهش سطح مورد نیاز برای طراحی سیستم می شود. در طرح پیشنهادی محاسبات مربوط به ترکیب گر که در لایه دوم سیستم مرکب قرار دارد با بهره گیری مجدد از مدار طراحی شده ی یکی از طبقه بندهای پایه ، صورت می گیرد. این نحوه ی پیاده سازی سبب افزایش دقت و کارایی قابل توجه سیستم مرکب نسبت به استفاده از یک شبکه عصبی منفرد می شود در حالی که سطح مورد نیاز برای طراحی افزایش اندکی داشته است که نتایج حاصل از شبیه سازی این امر را تایید می کند.

کلیدواژه ها:

شبکه های عصبی مرکب ، پیاده سازی سخت افزاری ، تابع تحریک سیگموئید FPGA

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ELECOM01_165 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/261712/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ابراهیم پور، رضا و باقری، نصور و ترکمان، انسیه،1392،پیاده سازی سخت افزاری شبکه های عصبی مرکب با FPGA،اولین همایش منطقه ای بهینه سازی و روش های محاسبه نرم در مهندسی برق و کامپیوتر،صفاشهر،https://civilica.com/doc/261712

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، ابراهیم پور، رضا؛ نصور باقری و انسیه ترکمان)
برای بار دوم به بعد: (1392، ابراهیم پور؛ باقری و ترکمان)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Neural Network: A Review of Commercil Hardware", Engineering Application of ...
  • R. Polikar, :Ensemble Based System in Decision Making", IEEE Circuis ...
  • N. Nedjah and R. S. Martins and . M. Mourelle, ...
  • R. Omondi and J C. Rajapakse, :FPGA I _ lementations ...
  • J. Zhu and P Sutton, :FPGA I _ lementations of ...
  • C.Chen, "Fuzzy logic and neural network handbook", New York: McGraw-Hill, ...
  • C. J. Lin and . Y. Lee, ،، Impleme ntation ...
  • W.Wolf, "FPGA Based System Design", New Jersey: Prentice Hal PTR ...
  • P. Joes and D. Gu, :Fractional Fixed Point Neural Networks: ...
  • A. S. Tanenbaum, :Computer Organization:, New Jersey: Prentice, 2007 ...
  • N. Nedjah, R. S. Martins, L. M. Mourelle, ، :Rec ...
  • J. P. Uyemura, "Introductio to VLSA Circuit and System:, New ...
  • S. Haykin, :Neural Network: A C omprehensive Foundation , New ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 5,042
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی