خرید و دانلود تحقیق پیاده سازی VLSI

پياده سازی VLSI يك شبكه عصبی آنالوگ مناسب برای الگوريتم های ژنتيك

خلاصه پیاده سازی VLSI 

مفيد بودن شبكه عصبی آنالوگ مصنوعی بصورت خيلی نزديكی با ميزان قابليت آموزش پذيری آن محدود می شود . اين مقاله يك معماری شبكه عصبی آنالوگ جديد را معرفی مي كند كه وزنهای بكار برده شده در آن توسط الگوريتم ژنتيك تعيين می شوند .

اولين پياده سازی VLSI ارائه شده در اين مقاله روی سيليكونی با مساحت كمتر از 1mm ( به توان 2 ) كه  شامل 4046 سيناپس و 200 گيگا اتصال در ثانيه است اجرا شده است .

از آنجائيكه آموزش می تواند در سرعت كامل شبكه انجام شود بنابراين چندين صد حالت منفرد در هر ثانيه می تواند توسط الگوريتم ژنتيك تست شود .

اين باعث می شود تا پياده سازی مسائل بسيار پيچيده كه نياز به شبكه های چند لايه بزرگ دارند عملی بنظر برسد .

1- مقدمه پیاده سازی VLSI

شبكه های عصبی مصنوعی به صورت عمومی بعنوان يك راه حل خوب برای مسائلی از قبيل تطبيق الگو مورد پذيرش قرار گرفته اند .

عليرغم مناسب بودن آنها برای پياده سازی موازی ، از آنها در سطح وسيعی بعنوان شبيه سازهای عددی در سيستمهای معمولی استفاده می شود .

يك دليل برای اين مسئله مشكلات موجود در تعيين وزنها برای سيناپسها در يك شبكه بر پايه مدارات آنالوگ است .

موفقترين الگوريتم آموزش ، الگوريتم Back-Propagation است .

اين الگوريتم بر پايه يك سيستم متقابل است كه مقادير صحيح را از خطای خروجی شبكه محاسبه می كند .

يك شرط لازم براي اين الگوريتم دانستن مشتق اول تابع تبديل نرون است .

در حاليكه اجرای اين مسئله برای ساختارهای ديجيتال از قبيل ميكروپروسسورهای معمولی  و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشكل روبرو می شويم .خرید و دانلود تحقیق پیاده سازی VLSI

دليل اين مشكل ، تغييرات قطعه و توابع تبديل نرونها و در نتيجه تغيير مشتقات اول آنها از نرونی به نرون ديگر و از تراشه ای به تراشه ديگر است و چه چيزی می تواند بدتر از اين باشد كه آنها با دما نيز تغيير كنند .

برای خواندن ادامه پروژه پیاده سازی VLSI ،  خرید و دانلود را انجام دهید. تا فایل ورد آن در اختیار شما قرار بگیرد.

خرید و دانلود تحقیق پیاده سازی VLSI