طراحی مدار ضرب ۱۲ بیتی تقریبی و بهینه برای پیاده سازی روی تراشه های قابل برنامه ریزی با کاربرد در یادگیری ماشینی

پیاده سازی الگوریتم های یادگیری ماشینی روی تراشه های قابل برنامه ریزی به منابع و بلوک های منطقی زیادی نیاز دارد، درنتیجه آن ها را با محدودیت هایی مواجه می کند. یکی از راه های کاهش منابع، استفاده از مدارهای محاسباتی تقریبی است. عمل ضرب معمولا یکی از گزینه های اصلی در محاسبات تقریبی است، چرا که نقش مهمی در افزایش میزان مصرف منابع و تاخیر محاسبات دارد. در این مقاله کمپرسورهای ۵:۲ و ۶:۲ تقریبی پیشنهاد شده که با هدف به کارگیری در مدار ضرب ۱۲ بیتی ارائه شده اند. مدار پیشنهادی ابتدا به زبان توصیف سخت افزار شبیه سازی شده و سپس روی یک تراشه قابل برنامه ریزی پیاده سازی و سنتز شد. نتایج سنتز نشان می دهد که در منابع مصرفی، توان مصرفی پویا و ارزیابی معیارهای خطا از جمله شامل NMED, MRED نشان دهنده ی مقادیر نزدیک با سایر کارهای موجود است. مدار پیشنهادی برای ارزیابی کیفی در نرم افزار متلب در یک مدل یادگیری ماشینی مبتنی بر شبکه عصبی پیش خور در کاربرد رگرسیون و تشخیص لبه بررسی شد.

کلیدواژه ها:

محاسبات تقریبی ، یادگیری ماشینی ، ضرب کننده تقریبی ، تراشه های قابل برنامه ریزی