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
چكيده…………………………………………………………..1

مقدمه………………………………………………………………………………2

فصل اول: شبكه هاي عصبي
1-1.سيستمهاي عصبي طبيعي…………………………………………………..5
1-1-1. نورون بيولوژيك………………………………………………………………………………..6
1-2.مقدمه اي بر شبكه هاي عصبي مصنوعي………………………………………………………..9
1-3.اهميت استفاده از شبكه هاي عصبي مصنوعي………………………………………………….10
1-4.مدل سازي نورون درشبكه هاي عصبي مصنوعي…………………………………………..11
1-5.انواع شبكه هاي عصبي مصنوعي……………………………………………………..12
1-6.يادگيري در شبكه هاي عصبي مصنوعي……………………………….…………14
1-7.شبكه هاي عصبي پيش رو…………………………………………..…………….15
1- 8.شبكه هاي عصبي پس انتشار………………………………………………………..17
1-8-1.روش آموزش پس انتشار………………………………………………….……….18
1- 9.شبكه هاي عصبي انعطاف پذير…………………………………………..……..21

فصل دوم:تشخيص ميزان موفقيت داروهاي HPT دركاهش انگلهاي دامي با استفاده از شبكه هاي عصبي
2- 1.موضوع………………………………………………………………………………….27
2-2.شيوه ها…………………………………………………………………………………………28
2-3.نتايج آزما يش هاي باليني……………………………………………………………30
2-4.تحقيق پرسشنامه اي……………………………………………………………..34
2- 5.پياده سازي داده هاي جمع آوري شده با استفاده از شبكه هاي عصبي………………………..36
فصل سوم: روش پياده سازي شبكه هاي عصبي با استفاده از FPGA
3-1. مقدمه اي بر FPGAا …………………………………………………………………………………………..43
3- 2.روش پياده سازي شبكه هاي عصبي با استفاده از FPGAا …………………………………………..48
فصل چهارم:
نتيجه گيري و پيشنهادات………………………………………………………………….69

مقاله ارائه شده در پجمين كنفرانس بين المللي سيستم هاي هوشمند WSEASكشور اسپانيا (مادريد 2006)……………………..73

چكيده انگليسي…………………………………………………………………………………..77
چكيده :
شبكه هاي عصبي با توجه به توان بالا درپـردازش موازي،قابليـت يـادگيري، تعمـيم، طبقـهبندي، قدرت تقريب، به خاطر سپردن و به خـاطر آوردن الگوهـا، خيـزش وسـيعي در زمينـه هـايمختلف هوش مصنوعي ايجاد كرده اند. از اين رو به دليل عملكرد خوب شبكه هاي عصبي مصنوعي براي شناسايي الگو، در اين پايان نامه از شبكه هاي عصبي چنـد لايـه جهـت پيـاده سـازي سـخت
افزاري سيستم استفاده شده است و روش جديدي براي پياده سازي شـبكه هـاي عـصبي بـر روي FPGA ارائه شده است . براي پياده سـازي شـبكه عـصبي از داده هـاي آمـاري اداره دامپزشـكيمنطقه مغان استان اردبيل به عنوان مثال كاربردي استفاده شده است .
ضرايب وزن و باياس شبكه عصبيMLP كه از شبيه سازي توسطMATLAB بـه دسـت آمـدهاست، براي پياده سازي برروي FPGA، از سري XC 4000 استفاده شده است. براي پياده سازي بررويFPGA ، از نرم افزار 1,4 Foundation بهره جستيم وتمام مدارات منطقي توسط اين نـرمافزار طراحي شده است. نتايج به دست آمده گوياي اين مطلب است كهFPGA به دليـل داشـتنانعطاف پذيري و گيت هاي منطقي زياد، براي پياده سازي شبكه هاي عصبي ،IC مناسبي است .

مقدمه:
شبكه هاي عصبي با توجه به توان بالا درپردازش موازي،قابليت يادگيري، تعميم، طبقه بندي، قدرت تقريب، به خاطر سپردن و به خاطر آوردن الگوها، خيزش وسيعي در زمينه هاي مختلف هوش مصنوعي ايجاد كرده اند.از اين رو به دليل عملكرد خوب شبكه هاي عصبي مصنوعي براي شناسايي الگو، در اين پايان نامه از شبكه هاي عصبي چند لايه جهت پياده سازي سخت افزاري سيستم استفاده شده است. با توجه به طراحي سيستم هاي هوشمند و كوچكي كه در لوازم روزمره امروزي كاربرد دارند، و از طرفي امكان ارتباط آنها به كا مپيوتر وجود ندارد نياز به پياده سازي سخت افزاري شبكه هاي عصبي در حجم كوچك احساس مي شود و با توجه به اين كه آي سي هاي FPGA بسيار انعطاف پذير مي باشند و به صورت نرم افزاري تمام طرح هاي سخت افزاري را مي توان پياده نمود لذا گزينه مناسبي جهت پياده سازي سخت افزاري شبكه هاي عصبي مي باشد.
در اين پروژه يك روش براي پياده سازي شبكه عصبي بر روي FPGA ارائه شده است .
براي پياده سازي شبكه عصبي از داده هاي آماري اداره دامپزشكي منطقه مغان استان اردبيل استفاده شده است .
هدف از جمع آوري اين داده هاي آماري تشخيص و شناسايي يك الگو جهت پياده سازي در يك شبكه عصبي از نوع چند لايهMLP است .
براي آموزش شبكه عصبي از روش پس انتشار خطا با 300 بار آموزش براي رسيدن به حداقل خطاي مورد نظر استفاده شده است.

تعداد داده هاي آماري در اين پروژه 38 داده مي باشد كه هر يك داراي سه ورودي و يك خروجي است و به عنوان داده ورودي و خروجي براي آموزش شبكه مورد نظر استفاده شده است .
از اين 38 داده 34 داده براي آموزش شبكه و 4 داده به عنوان داده تست انتخاب شدند. بعد از تعيين ضرايب وزني و باياس جهت پياده سازي آن بر روي FPGA سري XC4000 از نرم افزار 1,4 Foundation براي طراحي مدارات مربوطه استفاده شده است . FPGA, IC سري XC4000 داراي حجم گيت هاي منطقي زياد و انعطاف پذيري خيلي بالا براي پياده سازي سخت افزاري شبكه هاي عصبي است. به دليل استفاده از داده هاي ثابت در پياده سازي شبكه بر رويFPGA ، شبكه ، دوباره قابل آموزش نيست.
با توجه به مراحل مختلف به كار گرفته شده در اين پروژه جمع بندي و شكل دهي پايان نامه در 4 فصل مورد مطالعه قرار گرفته است .
در فصل اول سيستم هاي عصبي , انواع شبكه هاي عصبي , مدل سازي و انواع روشهاي آموزش شبكه عصبي مورد بررسي قرار گرفته است .
در فصل دوم روش جمع آوري داده هاي دامپزشكي بر اساس در صد وجود انگل در گله هاي دامي و روش از بين بردن اين انگلها بر اساس تزريق داروئي BZD در پيش بيني ميزان موفقيت اين دارو و در كاهش انگلهاي دامي به عنوان داده براي شبكه عصبي انتخاب و توضيح داده شده است.
در فصل سوم روش پياده سازي سخت افزاري شبكه عصبي بر روي FPGA سري XC4000 با نرم افزار 1,4 Foundation همراه با مدارهاي طراحي شده توضيح داده شده است .
ودر نهايت در فصل چهارم نتيجه گيري كار هاي انجام شده و پيشنهادات لازم براي افزايش كارائي پژوهش مورد نظر، ارائه شده است.

نتيجهگيري و پيشنهادات:
شبكه هاي عصبي با توجه به توان بالا درپردازش موازي،قابليت يادگيري، تعميم، طبقه بندي، قدرت تقريب، به خاطر سپردن و به خاطر آوردن الگوها، خيزش وسيعي در زمينه هاي مختلف هوش مصنوعي ايجاد كرده اند. از اين رو به دليل عملكرد خوب شبكه هاي عصبي مصنوعي، جهت شناسايي الگو، در اين پايان نامه از شبكه هاي عصبي چند لايه، براي پياده سازي سخت افزاري سيستم استفاده شده است. با توجه به طراحي سيستم هاي هوشمند و كوچكي كه در لوازم روزمره امروزي كاربرد دارند و از طرفي امكان ارتباط آنها به كامپيوتر وجود ندارد نياز به پياده سازي سخت افزاري شبكه هاي عصبي در حجم كوچك احساس مي شود. با توجه به اين كه آي سي هاي FPGA بسيار انعطاف پذير مي باشند و به صورت نرم افزاري تمام طرح هاي سخت افزاري را مي توان پياده نمود، لذا گزينه مناسبي جهت پياده سازي سخت افزاري شبكه هاي عصبي خواهد بود. در اين پروژه آي سي FPGA، انتخابي جهت پياده سازي آن XC4000 مي باشد. اين شبكه به صورت نرم افزاري شبيه سازي شده و با داده هاي تستي مورد بررسي قرار گرفت و نتيجه مطلوب از آن حاصل شد. فاز آموزش به صورت جداگانه با روش آموزش پس انتشار خطا و با نرم افزار 5,6 MATLAB تحقق يافته است. اين كار مزايا ومعايب خاص خود را دارد. از مزاياي اين روش مي توان به موارد زير اشاره كرد:
1- ساده تر شدن كار طراحي
2- كاهش حجم سخت افزار
3- افزايش سرعت عملكرد

در اين پروژه تعداد ورودي ها سه عدد بودند. اگر تعداد ورودي ها افزايش يابند حاصل امر، افزايش تعداد ضرايب وزن و ضرايب باياس خواهد بود، در نتيجه اجراي سخت افزاري تابع سيگموئيد به همان ترتيب قبل خواهدبود، ولي تابع سخت افزاري NEURAL_A و NEURAL_B در ساختارسخت افزاري شبكه طراحي شده ، نياز به تعداد بيشتري زير تابع SUM (مجموع حاصل ضرب) خواهند داشت. در اين پايان نامه روش پياده سازي شبكه عصبي به كمك FPGA اجرا شده است و به عنوان مثال كاربردي ، كار بر روي داده هاي دامپزشكي كه از طرف اداره دامپزشكي منطقه مغان استان اردبيل پيشنهاد شده بود صورت گرفته كه به دليل انعطاف پذيري و گستردگي انواع اين IC، براي پياده سازي شبكه هاي عصبي از FPGA استفاده شد. اين نتايج قابل تعميم به موارد مشابه (دامپزشكي، كشاورزي، صنايع، هواشناسي و. ..) نيز مي باشد كه با داشتن ورودي ها وخروجي ها مي توان شبكه را ابتدا با نرم افزار MATLAB شبيه سازي و آموزش داد و ضرايب وزن و باياسهاي به دست آمده از اين شبيه سازي را روي FPGA پياده سازي كرد. در اين مثال كار بردي كه بر روي آن كار شده، 34 داده از 38 داده در آموزش شبكه استفاده شده است.
در اينجا به عنوان كارهاي آينده:1- كار بر روي شبكه قابل انعطاف (شبكه اي كه بسته به ورودي و خروجي مطلوب، خود قابليت آموزش مجدد به صورت سخت افزاري را داشته باشد) پيشنهاد مي شود تا با آموزش هوشمند، داده هاي جديد را نيز بتوان در روند آموزش شبكه دخيل كرده و دقت به دست آمده از شبكه را افزايش داد.2-مي توان به جاي شبكه هاي عصبي ، سيستم فازي را بعد از شبيه سازي به وسيله مطلب بر روي FPGA به عنوان كار آينده مدنظر داشت . 3- در پياده سازي تابع
سيگموئيد می توان به جای تقريب تابع سيگموئيد از بسط تيلور ، از روش تقريب تکه ، تكه خطي 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