دانلود رایگان


پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك - دانلود رایگان



دانلود رایگان

دانلود رایگان پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيكخلاصه
مفيد بودن شبكه عصبي آنالوگ مصنوعي بصورت خيلي نزديكي با ميزان قابليت آموزش پذيري آن محدود مي شود .
اين مقاله يك معماري شبكه عصبي آنالوگ جديد را معرفي مي كند كه وزنهاي بكار برده شده در آن توسط الگوريتم ژنتيك تعيين مي شوند .
اولين پياده سازي VLSI ارائه شده در اين مقاله روي سيليكوني با مساحت كمتر از 1mm كه شامل 4046 سيناپس و 200 گيگا اتصال در ثانيه است اجرا شده است .
از آنجائيكه آموزش مي تواند در سرعت كامل شبكه انجام شود بنابراين چندين صد حالت منفرد در هر ثانيه مي تواند توسط الگوريتم ژنتيك تست شود .
اين باعث مي شود تا پياده سازي مسائل بسيار پيچيده كه نياز به شبكه هاي چند لايه بزرگ دارند عملي بنظر برسد .
- مقدمه
شبكه هاي عصبي مصنوعي به صورت عمومي بعنوان يك راه حل خوب براي مسائلي از قبيل تطبيق الگو مورد پذيرش قرار گرفته اند .
عليرغم مناسب بودن آنها براي پياده سازي موازي ، از آنها در سطح وسيعي بعنوان شبيه سازهاي عددي در سيستمهاي معمولي استفاده مي شود .
يك دليل براي اين مسئله مشكلات موجود در تعيين وزنها براي سيناپسها در يك شبكه بر پايه مدارات آنالوگ است .
موفقترين الگوريتم آموزش ، الگوريتم Back-Propagation است .
اين الگوريتم بر پايه يك سيستم متقابل است كه مقادير صحيح را از خطاي خروجي شبكه محاسبه مي كند .
يك شرط لازم براي اين الگوريتم دانستن مشتق اول تابع تبديل نرون است .
در حاليكه اجراي اين مسئله براي ساختارهاي ديجيتال از قبيل ميكروپروسسورهاي معمولي و سخت افزارهاي خاص آسان است ، در ساختار آنالوگ با مشكل روبرو مي شويم .
دليل اين مشكل ، تغييرات قطعه و توابع تبديل نرونها و در نتيجه تغيير مشتقات اول آنها از نروني به نرون ديگر و از تراشه اي به تراشه ديگر است و چه چيزي مي تواند بدتر از اين باشد كه آنها با دما نيز تغيير كنند .
ساختن مدارات آنالوگي كه بتوانند همه اين اثرات را جبران سازي كنند امكان پذير است ولي اين مدارات در مقايسه با مدارهايي كه جبران سازي نشده اند داراي حجم بزرگتر و سرعت كمتر هستند .
براي كسب موفقيت تحت فشار رقابت شديد از سوي دنياي ديجيتال ، شبكه هاي عصبي آنالوگ نبايد سعي كنند كه مفاهيم ديجيتال را به دنياي آنالوگ انتقال دهند .
در عوض آنها بايد تا حد امكان به فيزيك قطعات متكي باشند تا امكان استخراج يك موازي سازي گسترده در تكنولوژي VLSI مدرن بدست آيد .
شبكه هاي عصبي براي چنين پياده سازيهاي آنالوگ بسيار مناسب هستند زيرا جبران سازي نوسانات غير قابل اجتناب قطعه مي تواند در وزنها لحاظ شود .
مسئله اصلي كه هنوز بايد حل شود آموزش است .
حجم بزرگي از مفاهيم شبكه عصبي آنالوگ كه در اين زمينه مي توانند يافت شوند ، تكنولوژيهاي گيت شناور را جهت ذخيره سازي وزنهاي آنالوگ بكار مي برند ، مثل EEPROM حافظه هاي Flash .
در نظر اول بنظر مي رسد كه اين مسئله راه حل بهينه اي باشد .
آن فقط سطح كوچكي را مصرف مي كند و بنابراين حجم سيناپس تا حد امكان فشرده مي شود (كاهش تا حد فقط يك ترانزيستور) .
دقت آنالوگ مي تواند بيشتر از 8 بيت باشد و زمان ذخيره سازي داده (با دقت 5 بيت) تا 10 سال افزايش مي يابد .
اگر قطعه بطور متناوب مورد برنامه ريزي قرار گيرد ، يك عامل منفي وجود خواهد داشت و آن زمان برنامه ريزي و طول عمر محدود ساختار گيت شناور است .
بنابراين چنين قطعاتي احتياج به وزنهايي دارند كه از پيش تعيين شده باشند .
اما براي محاسبه وزنها يك دانش دقيق از تابع تبديل شبكه ضروري است .
براي شكستن اين چرخه پيچيده ، ذخيره سازي وزن بايد زمان نوشتن كوتاهي داشته باشد .
اين عامل باعث مي شود كه الگوريتم ژنتيك وارد محاسبات شود .
با ارزيابي تعداد زيادي از ساختارهاي تست مي توان وزنها را با بكار بردن يك تراشه واقعي تعيين كرد .
همچنين اين مسئله مي تواند حجم عمده اي از تغييرات قطعه را جبران سلزي كند ، زيرا داده متناسب شامل خطاهايي است كه توسط اين نقايص ايجاد شده اند .
- مقدمه
شبكه هاي عصبي مصنوعي به صورت عمومي بعنوان يك راه حل خوب براي مسائلي از قبيل تطبيق الگو مورد پذيرش قرار گرفته اند .
عليرغم مناسب بودن آنها براي پياده سازي موازي ، از آنها در سطح وسيعي بعنوان شبيه سازهاي عددي در سيستمهاي معمولي استفاده مي شود .
يك دليل براي اين مسئله مشكلات موجود در تعيين وزنها براي سيناپسها در يك شبكه بر پايه مدارات آنالوگ است .
موفقترين الگوريتم آموزش ، الگوريتم Back-Propagation است .
اين الگوريتم بر پايه يك سيستم متقابل است كه مقادير صحيح را از خطاي خروجي شبكه محاسبه مي كند .
يك شرط لازم براي اين الگوريتم دانستن مشتق اول تابع تبديل نرون است .
در حاليكه اجراي اين مسئله براي ساختارهاي ديجيتال از قبيل ميكروپروسسورهاي معمولي و سخت افزارهاي خاص آسان است ، در ساختار آنالوگ با مشكل روبرو مي شويم .
دليل اين مشكل ، تغييرات قطعه و توابع تبديل نرونها و در نتيجه تغيير مشتقات اول آنها از نروني به نرون ديگر و از تراشه اي به تراشه ديگر است و چه چيزي مي تواند بدتر از اين باشد كه آنها با دما نيز تغيير كنند .
ساختن مدارات آنالوگي كه بتوانند همه اين اثرات را جبران سازي كنند امكان پذير است ولي اين مدارات در مقايسه با مدارهايي كه جبران سازي نشده اند داراي حجم بزرگتر و سرعت كمتر هستند .
براي كسب موفقيت تحت فشار رقابت شديد از سوي دنياي ديجيتال ، شبكه هاي عصبي آنالوگ نبايد سعي كنند كه مفاهيم ديجيتال را به دنياي آنالوگ انتقال دهند .
در عوض آنها بايد تا حد امكان به فيزيك قطعات متكي باشند تا امكان استخراج يك موازي سازي گسترده در تكنولوژي VLSI مدرن بدست آيد .
شبكه هاي عصبي براي چنين پياده سازيهاي آنالوگ بسيار مناسب هستند زيرا جبران سازي نوسانات غير قابل اجتناب قطعه مي تواند در وزنها لحاظ شود .
مسئله اصلي كه هنوز بايد حل شود آموزش است .
حجم بزرگي از مفاهيم شبكه عصبي آنالوگ كه در اين زمينه مي توانند يافت شوند ، تكنولوژيهاي گيت شناور را جهت ذخيره سازي وزنهاي آنالوگ بكار مي برند ، مثل EEPROM حافظه هاي Flash .
در نظر اول بنظر مي رسد كه اين مسئله راه حل بهينه اي باشد .
آن فقط سطح كوچكي را مصرف مي كند و بنابراين حجم سيناپس تا حد امكان فشرده مي شود (كاهش تا حد فقط يك ترانزيستور) .
دقت آنالوگ مي تواند بيشتر از 8 بيت باشد و زمان ذخيره سازي داده (با دقت 5 بيت) تا 10 سال افزايش مي يابد .
اگر قطعه بطور متناوب مورد برنامه ريزي قرار گيرد ، يك عامل منفي وجود خواهد داشت و آن زمان برنامه ريزي و طول عمر محدود ساختار گيت شناور است .
بنابراين چنين قطعاتي احتياج به وزنهايي دارند كه از پيش تعيين شده باشند .
اما براي محاسبه وزنها يك دانش دقيق از تابع تبديل شبكه ضروري است .
براي شكستن اين چرخه پيچيده ، ذخيره سازي وزن بايد زمان نوشتن كوتاهي داشته باشد .
اين عامل باعث مي شود كه الگوريتم ژنتيك وارد محاسبات شود .
با ارزيابي تعداد زيادي از ساختارهاي تست مي توان وزنها را با بكار بردن يك تراشه واقعي تعيين كرد .
همچنين اين مسئله مي تواند حجم عمده اي از تغييرات قطعه را جبران سلزي كند ، زيرا داده متناسب شامل خطاهايي است كه توسط اين نقايص ايجاد شده اند .



مقاله


پياده سازي


VLSI


شبكه عصبي


آنالوگ


الگوريتم هاي ژنتيك


مقاله


پاورپوینت


فایل فلش


کارآموزی


گزارش تخصصی


اقدام پژوهی


درس پژوهی


جزوه


خلاصه


مقاله پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي ...

,مقاله پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك,societyfile

پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم ...

پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم-هاي-ژنتيك-30-صنام فایل : پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم-هاي-ژنتيك-30-ص فرمت : .doc تعداد صفحه/اسلاید : 23 حجم : 56

پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم ...

پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم-هاي-ژنتيك-22-صنام فایل : پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم-هاي-ژنتيك-22-ص فرمت : .doc تعداد صفحه/اسلاید : 23 حجم : 549 کیلوبایت پياده سازي VLSI يك شبكه عصبي ...

مقاله پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي ...

مقاله پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك را به فرمت word و رایگان دانلود کنید.

دانلود پاورپوينت جامع وکامل درباره الگوریتم های ژنتیک ...

دانلود پروژه پياده سازي vlsi يك شبكه عصبي آنالوگ مناسب براي ... 10 آگوست 2017 ... دانلود پروژه پياده سازي vlsi يك شبكه عصبي آنالوگ مناسب براي ... شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك - خرید آنلاین و دریافت ... درباره وبلاگ ...

تحقیق درمورد- پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب ...

اين مقاله يك معماري شبكه عصبي آنالوگ جديد را معرفي مي كند كه وزنهاي بكار برده شده در آن توسط الگوريتم ژنتيك تعيين مي شوند . اولين پياده سازي VLSI ارائه شده در اين مقاله روي سيليكوني با مساحت كمتر از 1mm كه شامل 4046 سيناپس و 200 ...

پروژه پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي ...

پروژه پياده سازي vlsi يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك. خلاصه مفيد بودن شبكه عصبي آنالوگ مصنوعي بصورت خيلي نزديكي با ميزان قابليت آموزش پذيري آن محدود مي شود .

تحقیق درمورد- پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب ...

اين مقاله يك معماري شبكه عصبي آنالوگ جديد را معرفي مي كند كه وزنهاي بكار برده شده در آن توسط الگوريتم ژنتيك تعيين مي شوند . اولين پياده سازي VLSI ارائه شده در اين مقاله روي سيليكوني با مساحت كمتر از 1mm كه شامل 4046 سيناپس و 200 ...

پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي الگوريتم ...

پياده سازي vlsi يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك مفيد بودن شبكه عصبي آنالوگ مصنوعي بصورت خيلي نزديكي با ميزان قابليت آموزش پذيري آن محدود..

تحقیق پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي ...

تحقیق پياده سازي vlsi يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك 30 ص - پروژه ها کتاب , معرفی کتاب , کتاب فارسی , معرفی کتاب ها , کتب , دانلود کتاب , کتاب جدید , خرید کتاب , کتاب دانشگاهی

پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم ...

پياده-سازي-vlsi-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم-هاي-ژنتيك-22-ص - پروژه ها کتاب , معرفی کتاب , کتاب فارسی , معرفی کتاب ها , کتب , دانلود کتاب , کتاب جدید , خرید کتاب , کتاب دانشگاهی

تحقیق درباره پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب ...

تحقیق درباره پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك لینک دانلود و ...

مبدل هاي آنالوگ به ديجيتال و ديجيتال به آنالوگ ( تبديل آنالوگ

مبدل هاي آنالوگ به ديجيتال و ديجيتال به آنالوگ ( تبديل آنالوگ,مبدل,هاي,آنالوگ,به,ديجيتال,و ...

پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم ...

پياده-سازي-vlsi-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم-هاي-ژنتيك-22-ص - پروژه ها کتاب , معرفی کتاب , کتاب فارسی , معرفی کتاب ها , کتب , دانلود کتاب , کتاب جدید , خرید کتاب , کتاب دانشگاهی

پروژه پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي ...

پروژه پياده سازي vlsi يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك. خلاصه مفيد بودن شبكه عصبي آنالوگ مصنوعي بصورت خيلي نزديكي با ميزان قابليت آموزش پذيري آن محدود مي شود .

تحقیق درمورد- پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب ...

اين مقاله يك معماري شبكه عصبي آنالوگ جديد را معرفي مي كند كه وزنهاي بكار برده شده در آن توسط الگوريتم ژنتيك تعيين مي شوند . اولين پياده سازي VLSI ارائه شده در اين مقاله روي سيليكوني با مساحت كمتر از 1mm كه شامل 4046 سيناپس و 200 ...

پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم ...

پياده-سازي-vlsi-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم-هاي-ژنتيك-22-ص - پروژه ها کتاب , معرفی کتاب , کتاب فارسی , معرفی کتاب ها , کتب , دانلود کتاب , کتاب جدید , خرید کتاب , کتاب دانشگاهی

پياده-سازي-VLSI-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم ...

پياده-سازي-vlsi-يك-شبكه-عصبي-آنالوگ-مناسب-براي-الگوريتم-هاي-ژنتيك-22-ص - پروژه ها کتاب , معرفی کتاب , کتاب فارسی , معرفی کتاب ها , کتب , دانلود کتاب , کتاب جدید , خرید کتاب , کتاب دانشگاهی

مبدل هاي آنالوگ به ديجيتال و ديجيتال به آنالوگ ( تبديل آنالوگ

مبدل هاي آنالوگ به ديجيتال و ديجيتال به آنالوگ ( تبديل آنالوگ,مبدل,هاي,آنالوگ,به,ديجيتال,و ...

تحقیق درباره پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب ...

پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك. Johannes Schemmel1, Karlheinz Meier1, and Felix Sch¨urmann1. Universit¨at Heidelberg, Kirchho_ Institut f¨ur Physik, Schr¨oderstr. 90, 69120. Heidelberg, Germany, [email protected],

آموزش الکترونیک

دانلود تحقیق در مورد خیام

دانلود تحقیق مسجد ساروتقی (اصفهان)

تحقیق اهمیت خودشناسی از نظر ملاصدرا

پروژه کارآفرینی لامپ های کم مصرف

تحقیق بی میلی و سرد مزاجی در مردان و راهکارهای درمان آن

اثر بخشي زوج درماني شناختي- رفتاري گروهي بر پربارسازي روابط زناشويی

پروژه و تحقیق-انواع اتصالات پایپینگ- در 60 صفحه-docx

پیشینه ومبانی نظری تحقیق فناوری اطلاعات

طرح کارافرینی ایجاد جایگاه سوخت CNG