تحقیق پیاده سازی VLSI شبکه عصبی آنالوگ الگوریتم های ژنتیک
| دسته بندی | پژوهش |
| بازدید ها | 0 |
| فرمت فایل | doc |
| حجم فایل | 452 کیلو بایت |
| تعداد صفحات فایل | 30 |
پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک
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 .
...
پیاده سازی الگوریتم آموزش ژنتیک
زمان مورد نیاز برای بار کردن مقادیر 4096 وزن بداخل شبکه در حدود 250μs است .
یک الگوی تست منفرد که شامل 64 بیت ورودی است می تواند در حدود 100ns بکار برده شود .
این مسئله باعث می شود که بکار بردن الگوریتم هایی که به تعداد زیادی گذر احتیاج دارند امکان پذیر باشد .
وابستگی بین مقدار وزن و خروجی نرون می تواند در سطح بالایی غیر خطی باشد ، مخصوصا اگر بیشتر از یک سیکل شبکه جهت پیاده سازی یک شبکه فیدبک چندین لایه بکار برده شود .
بنابراین بنظر می رسد که الگوریتم ژنتیک برای آموزش شبکه مناسب است .
شبکه همچنین بر اساس یک پشتیبانی سخت افزاری بر پایه یادگیری برای مسئله آشفتگی ساخته شده است ، یک الگوریتم iterative که درباره تابع تبدیل شبکه به هیچ نوع دانشی احتیاج ندارد .
الگوریتم ژنتیک پیاده سازی شده یک مقدار وزن را بوسیله یک ژن نشان می دهد .
برای جلوگیری از وابستگی سخت افزاری بسته ، مقدار وزن در یک روش نرمالیزه ذخیره می شود که بکار می برد اعداد ممیز دار را بین –1 برای سیناپس جلوگیری ماکزیمم و +1 را برای سیناپس برانگیخته ماکزیمم .
این اعداد به مقادیر ولتاژی تبدیل می شوند که در زمان ترجمه یک دسته کروموزوم به ماتریس وزن بوسیله شبکه عصبی آنالوگ مورد احتیاج هستند .
ژنهای شامل یک نرون به صورت یک کروموزوم ترکیب می شوند .
64 عدد کروموزوم یک دسته کروموزوم منحصربفرد را تشکیل می دهند .
تکامل تدریجی مصنوعی همیشه بوسیله ایجاد یک جمعیت تصادفی شروع می شود .
بعد از اینکه یک حالت منحصر بفرد بداخل ماتریس وزن بارگیری شد ، الگوهای تست بکار برده می شود .
شایستگی با مقایسه خروجی شبکه با مقادیر هدف محاسبه می شود .
برای هر بیت صحیح ، شایستگی یک مقدار افزایش می یابد .
این عمل برای کل جمعیت تکرار می شود .
...
