Alan programlamalı kapı dizileri (FPGA) üzerinde bir yapay sinir ağları (YSA)'nın tasarlanması ve donanım olarak gerçekleştirilmesi
Yükleniyor...
Dosyalar
Tarih
2008-07-21
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
İnsan sinir sisteminin çalışma mekanizmasından esinlenerek gerçekleştirilen Yapay Sinir Ağları (YSA), doğrusal olmayan bir yapıya sahip olması nedeniyle pek çok uygulamada kullanılan popüler bir metottur. YSA uygulamalarında öğrenme ve test aşaması olarak iki aşama bulunur. Bu aşamalardan öğrenme aşaması oldukça karmaşık ve uzun bir süreçtir. Bu uzun süreyi kısaltmak için YSA yapısı VLSI teknolojisi kullanılarak gerçekleştirilebilir. Fakat bu yapının oluşturulması uzun zaman alır ve maliyeti oldukça yüksektir. Bu durumda VLSI ile benzer özelliklere sahip olan FPGA kullanmak, hızlı eğitilebilen YSA'lar için en uygun çözüm olacaktır. FPGA ile gerçekleştirilen tasarımlar VLSI'lara nazaran daha az maliyetli ve tekrar tekrar düzenlenebilir bir yapıya sahiptir. Bu çalışmada, çip üzerinde eğitilebilir bir YSA yapısı, Altera FPGA devreleri ile gerçekleştirilmiştir. XOR problemi ve bir sensör doğrusallaştırma problemi ile çalışılmış ve sabit noktalı sayı sistemi tabanlı ve hatanın geri yayılımı algoritması ile eğitilen bir YSA yapısı kullanılmıştır. Öğrenme kuralı olarak delta bar delta kuralı seçilmiştir. Bu uygulamalar Altera'nın QUARTUS II FPGA tasarım programı ve MATLAB ile tasarlanmış ve simüle edilmiştir. Bunlara ek olarak, basitleştirilmiş YSA yapısı ile XOR problemi Altera Cyclone EP1C6Q240C8 FPGA tabanlı UP3 geliştirme kartı ile gerçekleştirilmiştir. Bu çalışma ile bazı YSA tabanlı sistemler için FPGA'nın maliyet, zaman tasarrufu, tekrar düzenlenebilirlik ve paralel tasarım yeteneği açılarından daha uygun bir çözüm olduğu gösterilmiştir.
ANN designed with help of working mechanism of human neuron system is a popular method used in among of application because of it has nonlinear structure. There are two phase in ANN applications as test and train. The train phase is very complex and it takes a long time. For reducing of the training time, ANN can be realized with VLSI technology. A VLSI structure has high cost and long design period. In this case, FPGA circuits having similar functions with VLSI are very suitable solution for fast trainable ANN structures. Design realized with FPGA is lower cost than VLSI design and have reconfigurable structure unlike VLSI. In this study, an trainable ANN structure on chip is realized with Altera FPGA devices. The XOR problem and a sensor linearization problem are studied in this thesis. A Back propagation algorithm based on fixed point number is used. Delta Bar Delta learning rule is selected for all application. The applications are designed and simulated in QUARTUS II FPGA design program and MATLAB. In addition to these, XOR problem with simplified ANN structure is realized on UP3 Development Board based on Altera Cyclone EP1C6Q240C8 FPGA chip. With this study, FPGA is more suitable for some ANN based system than computer and VLSI based systems in point of cost, time saving, reconfigurable structure and parallel design ability properties is shown.
ANN designed with help of working mechanism of human neuron system is a popular method used in among of application because of it has nonlinear structure. There are two phase in ANN applications as test and train. The train phase is very complex and it takes a long time. For reducing of the training time, ANN can be realized with VLSI technology. A VLSI structure has high cost and long design period. In this case, FPGA circuits having similar functions with VLSI are very suitable solution for fast trainable ANN structures. Design realized with FPGA is lower cost than VLSI design and have reconfigurable structure unlike VLSI. In this study, an trainable ANN structure on chip is realized with Altera FPGA devices. The XOR problem and a sensor linearization problem are studied in this thesis. A Back propagation algorithm based on fixed point number is used. Delta Bar Delta learning rule is selected for all application. The applications are designed and simulated in QUARTUS II FPGA design program and MATLAB. In addition to these, XOR problem with simplified ANN structure is realized on UP3 Development Board based on Altera Cyclone EP1C6Q240C8 FPGA chip. With this study, FPGA is more suitable for some ANN based system than computer and VLSI based systems in point of cost, time saving, reconfigurable structure and parallel design ability properties is shown.
Açıklama
Anahtar Kelimeler
Yapay sinir ağları, Artificial neural networks, Sabit noktalı sayı, Fixed point numbers
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Yılmaz, N. (2008). Alan programlamalı kapı dizileri (FPGA) üzerinde bir yapay sinir ağları (YSA)'nın tasarlanması ve donanım olarak gerçekleştirilmesi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.
