تحقیق درموردپیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

اختصاصی از فی بوو تحقیق درموردپیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه30

فهرست مطالب

خلاصه

مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری                    آن محدود می شود .

2

 

این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .

اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که                      شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .

از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد                    در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .

این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند                عملی بنظر برسد .

1- مقدمه

شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو     مورد پذیرش قرار گرفته اند .

علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی           در سیستمهای معمولی استفاده می شود .

یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه                                    بر پایه مدارات آنالوگ است .

موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .

این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه                          محاسبه می کند .

یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .

تحقیق در مورد مبدلهای آنالوگ به دیجیتال

اختصاصی از فی بوو تحقیق در مورد مبدلهای آنالوگ به دیجیتال دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحات:  23


فهرست مطالب :
2 –    مبدل موازی متوالی :
1 –    مبدل موازی :
3 _ مبدل VTF  :
4 –    مبدل تقریب تدریجی :
6 –    مبدل ردگیر :
5 –    مبدل شمارنده :
7 –    مبدل تک شیب :
9 _ مبدل ولتاژ به فرکانس :
10 – مبدل مدولاتور دلتا :
8 _ مبدل شیب دوگانه :
11 – مبدل ADM   :

مقدمه :

ازسال 1960 با توجه به توسعه نیمه هادی ها ، پردازش اطلاعات به صورت دیجیتال اهمیت بیشتری پیدا کرد و ساخت و استفاده از مدارهای آنالوگ روبه افول گذاشت . با پیدایش میکروپروسسورها انقلابی در زمینه پردازش دیجیتال به وقوع پیوست که تا ده سال پیش از آن حتی قابل تصور نبود .

تقریباََ تمام اطلاعات مورد پردازش پارامترهای فیزیکی ای هستند که در اصل ماهیت آنالوگ دارند ، مانند : فشار، دما ، سرعت ، شتاب ، شدت نور ، ... بنابراین درهرمورد این اطلاعات آنالوگ با استفاده از مبدلهایADC  به معادل دیجیتالشان تبدیل شوند .

تبدیل آنالوگ به دیجیتال در سیستم های پردازش سیگنال :

بطور کلی فرایند تبدیلA/D یک سیگنال آنالوگ نمونه برداری شده و نگهداشته شده را به یک کلمه دیجیتال که نماینده سیگنال آنالوگ است تبدیل می کند . تاکنون چندین مبدل آنالوگ به دیجیتال ساخته شده که هریک مشخصات مربوط به خود را دارند .

مهمترین این مشخصات عبارتند از : سرعت ، صحت ، هزینه .

قبل از هر چیز باید متذکر شویم که عمل تبدیل آنالوگ به دیجیتال احتیاج به صرف زمان بیشتری از تاخیر مبدلهای D/A دارد ؛ تا وقتی که تمامی بیتهای مقدار دیجیتال به دست نیامده اند ، مقدار آنالوگ (ورودی ) نباید تغییر کند . ولی ، می دانیم که تغییرمی کند ؛ چاره این است که در فواصل زمانی معین نمونه هایی از دامنه سیگنال آنالوگ بگیریم و بدون تغییر ذخیره نماییم و پس از ارزیابی کامل نمونه را حذف و نمونه جدیدی را تهیه و ذخیره کنیم . این عمل توسط مداری به نام مدار نمونه گیر و نگهدارنده 1(S/H) انجام می گیرد

تحقیق در مورد پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

اختصاصی از فی بوو تحقیق در مورد پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه:30

 فهرست مطالب

خلاصه

1- مقدمه

2- تحقق شبکه عصبی

2-1- اصول عملکرد

3- پیاده سازی الگوریتم آموزش ژنتیک

4- نتایج تجربی

خلاصه

مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری                    آن محدود می شود .

 

این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .

اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که                      شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .

از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد                    در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .

این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند                عملی بنظر برسد .

1- مقدمه

شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو     مورد پذیرش قرار گرفته اند .

علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی           در سیستمهای معمولی استفاده می شود .

یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه                                    بر پایه مدارات آنالوگ است .

موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .

این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه                          محاسبه می کند .

یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .

در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی                                و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .

دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر    و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز                             تغییر کنند .

ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات        در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .

برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ                 نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .

در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده    در تکنولوژی VLSI مدرن بدست آید .

شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات               غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .

پاورپوینت تبدیل آنالوگ به دیجیتال

اختصاصی از فی بوو پاورپوینت تبدیل آنالوگ به دیجیتال دانلود با لینک مستقیم و پر سرعت .

تبدیل هر سیگنال آنالوگ(صحبت یا هرپیام آنالوگ دیگر) به فرم دیجیتال بعنوان Waveform Coding نامیده میگردد، البته  باید ذکر کنیم واژه کدینگ برای برخی عملیاتهای دیگری که بعنوان نمونه در زیر به یکی اشاره خواهد شد، اتلاق میگردد:

• Source Coding خروجی آنالوگ یا دیجیتال یک منبع را به منظور مناسب سازی انتقال(نظیر MPEG یا JPEG) تغییر و تبدیل میگرداند.

این پایورپوینت موارد زیر را در 32اسلاید شرح میدهد

کدینگ سیگنالهای تصویر

رآیند نمونه برداری

کوانتیزاسیون

نمونه برداری سیگنالهای صوتی

نحوه دیجیتایز نمودن یک سیگنال صوتی

و...

 

آدرس سایت :

cafehse.ir

ایمیل :

[e-mail]

کانال تلگرام:

https://telegram.me/cafehse