طراحی و شبیهسازی مدارWTA با توان مصرفی و ولتاژ تغذیه پایین

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 937

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DMECONF01_119

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

مدارهای بیشینه یاب و کمینه یاب مدارهایی هستند که بین N ورودی اعمالشده به آنها بزرگترین ورودی را به خروجی منتقل مینماید و یا شماره بزرگترین ورودی را مشخص میکند. این مدارها که یک نوع مقایسهگر N ورودی محسوب میشوند به روشهای مختلفی پیادهسازی میشوند و در کاربردهای مختلفی مثل شبکههای عصبی، پردازش تصویر و فشردهسازی، الگوریتمهای بهینهسازی و کنترل فازی و... بهصورت گستردهای مورداستفاده قرار میگیرد. این مدار که به دو روش ولتاژی و جریانی پیادهسازی میشود دارای معماریهای مختلفی است.ازجمله این معماریهای میتوان به معماری حامل جریانی و معماری درخت باینری اشاره کرد که بیشتر از سایر روشها استفادهشدهاند. بیشترین کاربرد این مدارها در شبکههای عصبی است؛ بنابراین شبکههای بیشینه یاب یکی از پایههای اساسی مورداستفاده در مدلهای محاسباتی از شبکههای عصبی است که توسط آن سلولهای عصبی در یکلایه با یکدیگر برای فعالسازی رقابت میکنند. به دلیل حجم بالای محاسبات در الگوریتمهای کنترل فازی یا شبکههای عصبی و یا حجم بالای دادهها در تصاویر معمولاً سرعت و توان مصرفی این نوع مدارها در تکنولوژیهایجدید بسیار اهمیت پیداکردهاند. روشهای مختلفی در این زمینه برای پیادهسازی مدارهای بیشینه یاب ارائهشده است که هرکدام بر یکی از جنبههای توان مصرفی، سرعت و یا دقت مدار متمرکزشدهاند. در این مقاله راهکارهای مداری برای بهبود بازدهی مدارهای بیشینه )کمینه( یاب ارائهشده است تا بتوان باوجود تعداد بالای ورودیها بهدقت و بازدهی مناسبی دست پیدا نمود. مدار WTA پیشنهادی در ولتاژ 1.4 V و در تکنولوژی پیشنهادی در ولتاژ و با استفاده از کتابخانه TSMC طراحیشده است

نویسندگان

محمد معین بهارآرا

دانشجو، دانشگاه علوم و تحقیقات خراسان رضوی

سید محمد فهمیده اکبریان

مدیر گروه برق، موسسه آموزش عالی خراسان

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 :
  • J. Lazzaro, S. Ryckebusch, M. A. Mahowald, and C. A. ...
  • D. M. Frias, C. V. Arizmendi, M. T. S. Pascual ...
  • D. M. Frias, and M. T. S. pascual, and C. ...
  • J. E. Molinar-Solis, and R. G. Lozano, and A. M. ...
  • J. R. Angulo, and G. Ducoudray, R. and G. Caravajal, ...
  • نمایش کامل مراجع