پیاده سازی شبکه های عصبی مصنوعی بر روی FPGA – برق

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی برق
نوع ارائه:پایان نامه
تعداد صفحات:102
قالب بندی:word قابل ویرایش

نحوه خرید

پیاده سازی شبکه های عصبی مصنوعی بر روی FPGA – برق

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

فهرست مطالب
عنوان صفحه
چکیده…………………………………………………………..۱

مقدمه………………………………………………………………………………۲

فصل اول: شبکه های عصبی
۱-۱٫سیستمهای عصبی طبیعی…………………………………………………..۵
۱-۱-۱٫ نورون بیولوژیک………………………………………………………………………………..۶
۱-۲٫مقدمه ای بر شبکه های عصبی مصنوعی………………………………………………………..۹
۱-۳٫اهمیت استفاده از شبکه های عصبی مصنوعی………………………………………………….۱۰
۱-۴٫مدل سازی نورون درشبکه های عصبی مصنوعی…………………………………………..۱۱
۱-۵٫انواع شبکه های عصبی مصنوعی……………………………………………………..۱۲
۱-۶٫یادگیری در شبکه های عصبی مصنوعی……………………………….…………۱۴
۱-۷٫شبکه های عصبی پیش رو…………………………………………..…………….۱۵
۱- ۸٫شبکه های عصبی پس انتشار………………………………………………………..۱۷
۱-۸-۱٫روش آموزش پس انتشار………………………………………………….……….۱۸
۱- ۹٫شبکه های عصبی انعطاف پذیر…………………………………………..……..۲۱

فصل دوم:تشخیص میزان موفقیت داروهای HPT درکاهش انگلهای دامی با استفاده از شبکه های عصبی
۲- ۱٫موضوع………………………………………………………………………………….۲۷
۲-۲٫شیوه ها…………………………………………………………………………………………۲۸
۲-۳٫نتایج آزما یش های بالینی……………………………………………………………۳۰
۲-۴٫تحقیق پرسشنامه ای……………………………………………………………..۳۴
۲- ۵٫پیاده سازی داده های جمع آوری شده با استفاده از شبکه های عصبی………………………..۳۶
فصل سوم: روش پیاده سازی شبکه های عصبی با استفاده از FPGA
۳-۱٫ مقدمه ای بر FPGAا …………………………………………………………………………………………..۴۳
۳- ۲٫روش پیاده سازی شبکه های عصبی با استفاده از FPGAا …………………………………………..۴۸
فصل چهارم:
نتیجه گیری و پیشنهادات………………………………………………………………….۶۹

مقاله ارائه شده در پجمین کنفرانس بین المللی سیستم های هوشمند WSEASکشور اسپانیا (مادرید ۲۰۰۶)……………………..۷۳

چکیده انگلیسی…………………………………………………………………………………..۷۷
چکیده :
شبکه های عصبی با توجه به توان بالا درپـردازش موازی،قابلیـت یـادگیری، تعمـیم، طبقـهبندی، قدرت تقریب، به خاطر سپردن و به خـاطر آوردن الگوهـا، خیـزش وسـیعی در زمینـه هـایمختلف هوش مصنوعی ایجاد کرده اند. از این رو به دلیل عملکرد خوب شبکه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبکه های عصبی چنـد لایـه جهـت پیـاده سـازی سـخت
افزاری سیستم استفاده شده است و روش جدیدی برای پیاده سازی شـبکه هـای عـصبی بـر روی FPGA ارائه شده است . برای پیاده سـازی شـبکه عـصبی از داده هـای آمـاری اداره دامپزشـکیمنطقه مغان استان اردبیل به عنوان مثال کاربردی استفاده شده است .
ضرایب وزن و بایاس شبکه عصبیMLP که از شبیه سازی توسطMATLAB بـه دسـت آمـدهاست، برای پیاده سازی برروی FPGA، از سری XC 4000 استفاده شده است. برای پیاده سازی بررویFPGA ، از نرم افزار ۱,۴ Foundation بهره جستیم وتمام مدارات منطقی توسط این نـرمافزار طراحی شده است. نتایج به دست آمده گویای این مطلب است کهFPGA به دلیـل داشـتنانعطاف پذیری و گیت های منطقی زیاد، برای پیاده سازی شبکه های عصبی ،IC مناسبی است .

مقدمه:
شبکه های عصبی با توجه به توان بالا درپردازش موازی،قابلیت یادگیری، تعمیم، طبقه بندی، قدرت تقریب، به خاطر سپردن و به خاطر آوردن الگوها، خیزش وسیعی در زمینه های مختلف هوش مصنوعی ایجاد کرده اند.از این رو به دلیل عملکرد خوب شبکه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبکه های عصبی چند لایه جهت پیاده سازی سخت افزاری سیستم استفاده شده است. با توجه به طراحی سیستم های هوشمند و کوچکی که در لوازم روزمره امروزی کاربرد دارند، و از طرفی امکان ارتباط آنها به کا مپیوتر وجود ندارد نیاز به پیاده سازی سخت افزاری شبکه های عصبی در حجم کوچک احساس می شود و با توجه به این که آی سی های FPGA بسیار انعطاف پذیر می باشند و به صورت نرم افزاری تمام طرح های سخت افزاری را می توان پیاده نمود لذا گزینه مناسبی جهت پیاده سازی سخت افزاری شبکه های عصبی می باشد.
در این پروژه یک روش برای پیاده سازی شبکه عصبی بر روی FPGA ارائه شده است .
برای پیاده سازی شبکه عصبی از داده های آماری اداره دامپزشکی منطقه مغان استان اردبیل استفاده شده است .
هدف از جمع آوری این داده های آماری تشخیص و شناسایی یک الگو جهت پیاده سازی در یک شبکه عصبی از نوع چند لایهMLP است .
برای آموزش شبکه عصبی از روش پس انتشار خطا با ۳۰۰ بار آموزش برای رسیدن به حداقل خطای مورد نظر استفاده شده است.

تعداد داده های آماری در این پروژه ۳۸ داده می باشد که هر یک دارای سه ورودی و یک خروجی است و به عنوان داده ورودی و خروجی برای آموزش شبکه مورد نظر استفاده شده است .
از این ۳۸ داده ۳۴ داده برای آموزش شبکه و ۴ داده به عنوان داده تست انتخاب شدند. بعد از تعیین ضرایب وزنی و بایاس جهت پیاده سازی آن بر روی FPGA سری XC4000 از نرم افزار ۱,۴ Foundation برای طراحی مدارات مربوطه استفاده شده است . FPGA, IC سری XC4000 دارای حجم گیت های منطقی زیاد و انعطاف پذیری خیلی بالا برای پیاده سازی سخت افزاری شبکه های عصبی است. به دلیل استفاده از داده های ثابت در پیاده سازی شبکه بر رویFPGA ، شبکه ، دوباره قابل آموزش نیست.
با توجه به مراحل مختلف به کار گرفته شده در این پروژه جمع بندی و شکل دهی پایان نامه در ۴ فصل مورد مطالعه قرار گرفته است .
در فصل اول سیستم های عصبی , انواع شبکه های عصبی , مدل سازی و انواع روشهای آموزش شبکه عصبی مورد بررسی قرار گرفته است .
در فصل دوم روش جمع آوری داده های دامپزشکی بر اساس در صد وجود انگل در گله های دامی و روش از بین بردن این انگلها بر اساس تزریق داروئی BZD در پیش بینی میزان موفقیت این دارو و در کاهش انگلهای دامی به عنوان داده برای شبکه عصبی انتخاب و توضیح داده شده است.
در فصل سوم روش پیاده سازی سخت افزاری شبکه عصبی بر روی FPGA سری XC4000 با نرم افزار ۱,۴ Foundation همراه با مدارهای طراحی شده توضیح داده شده است .
ودر نهایت در فصل چهارم نتیجه گیری کار های انجام شده و پیشنهادات لازم برای افزایش کارائی پژوهش مورد نظر، ارائه شده است.

نتیجهگیری و پیشنهادات:
شبکه های عصبی با توجه به توان بالا درپردازش موازی،قابلیت یادگیری، تعمیم، طبقه بندی، قدرت تقریب، به خاطر سپردن و به خاطر آوردن الگوها، خیزش وسیعی در زمینه های مختلف هوش مصنوعی ایجاد کرده اند. از این رو به دلیل عملکرد خوب شبکه های عصبی مصنوعی، جهت شناسایی الگو، در این پایان نامه از شبکه های عصبی چند لایه، برای پیاده سازی سخت افزاری سیستم استفاده شده است. با توجه به طراحی سیستم های هوشمند و کوچکی که در لوازم روزمره امروزی کاربرد دارند و از طرفی امکان ارتباط آنها به کامپیوتر وجود ندارد نیاز به پیاده سازی سخت افزاری شبکه های عصبی در حجم کوچک احساس می شود. با توجه به این که آی سی های FPGA بسیار انعطاف پذیر می باشند و به صورت نرم افزاری تمام طرح های سخت افزاری را می توان پیاده نمود، لذا گزینه مناسبی جهت پیاده سازی سخت افزاری شبکه های عصبی خواهد بود. در این پروژه آی سی FPGA، انتخابی جهت پیاده سازی آن XC4000 می باشد. این شبکه به صورت نرم افزاری شبیه سازی شده و با داده های تستی مورد بررسی قرار گرفت و نتیجه مطلوب از آن حاصل شد. فاز آموزش به صورت جداگانه با روش آموزش پس انتشار خطا و با نرم افزار ۵,۶ MATLAB تحقق یافته است. این کار مزایا ومعایب خاص خود را دارد. از مزایای این روش می توان به موارد زیر اشاره کرد:
۱- ساده تر شدن کار طراحی
۲- کاهش حجم سخت افزار
۳- افزایش سرعت عملکرد

در این پروژه تعداد ورودی ها سه عدد بودند. اگر تعداد ورودی ها افزایش یابند حاصل امر، افزایش تعداد ضرایب وزن و ضرایب بایاس خواهد بود، در نتیجه اجرای سخت افزاری تابع سیگموئید به همان ترتیب قبل خواهدبود، ولی تابع سخت افزاری NEURAL_A و NEURAL_B در ساختارسخت افزاری شبکه طراحی شده ، نیاز به تعداد بیشتری زیر تابع SUM (مجموع حاصل ضرب) خواهند داشت. در این پایان نامه روش پیاده سازی شبکه عصبی به کمک FPGA اجرا شده است و به عنوان مثال کاربردی ، کار بر روی داده های دامپزشکی که از طرف اداره دامپزشکی منطقه مغان استان اردبیل پیشنهاد شده بود صورت گرفته که به دلیل انعطاف پذیری و گستردگی انواع این IC، برای پیاده سازی شبکه های عصبی از FPGA استفاده شد. این نتایج قابل تعمیم به موارد مشابه (دامپزشکی، کشاورزی، صنایع، هواشناسی و. ..) نیز می باشد که با داشتن ورودی ها وخروجی ها می توان شبکه را ابتدا با نرم افزار MATLAB شبیه سازی و آموزش داد و ضرایب وزن و بایاسهای به دست آمده از این شبیه سازی را روی FPGA پیاده سازی کرد. در این مثال کار بردی که بر روی آن کار شده، ۳۴ داده از ۳۸ داده در آموزش شبکه استفاده شده است.
در اینجا به عنوان کارهای آینده:۱- کار بر روی شبکه قابل انعطاف (شبکه ای که بسته به ورودی و خروجی مطلوب، خود قابلیت آموزش مجدد به صورت سخت افزاری را داشته باشد) پیشنهاد می شود تا با آموزش هوشمند، داده های جدید را نیز بتوان در روند آموزش شبکه دخیل کرده و دقت به دست آمده از شبکه را افزایش داد.۲-می توان به جای شبکه های عصبی ، سیستم فازی را بعد از شبیه سازی به وسیله مطلب بر روی FPGA به عنوان کار آینده مدنظر داشت . ۳- در پیاده سازی تابع
سیگموئید می توان به جای تقریب تابع سیگموئید از بسط تیلور ، از روش تقریب تکه ، تکه خطی استفاده نمود .

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت

آخرین مطالب

مطالب مرتبط