عنوان : پیاده سازی شبکه های عصبی مصنوعی بر روی FPGA

دانشگاه آزاد اسلامی

واحد تهران جنوب دانشکده تحصیلات تکمیلی

پایان نامه برای دریافت درجه کارشناسی ارشد M.Sc

مهندسی برق-الکترونیک

عنوان:

پیاده سازی شبکه های عصبی مصنوعی بر روی FPGA

استاد راهنما:

دکتر ناصر پریز

بهمن ماه 1384

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی گردد
(در فایل دانلودی نام نویسنده موجود می باشد)
تکه هایی از متن پایان نامه به عنوان نمونه :
فهرست مطالب
 
عنوان                                                                               صفحه
چکیده………………………………………………………………………………………………………….. 1
 
مقدمه………………………………………………………………………………………………………….. 2
 
فصل اول: شبکه های عصبی
 
.1-1سیستمهای عصبی طبیعی……………………………………………………………………….. 5
 
.1-1-1 نورون بیولوژیک……………………………………………………………………. ……. .6
 
.2-1مقدمه ای بر شبکه های عصبی مصنوعی……………………………………………… 9
 
.3-1اهمیت بهره گیری از شبکه های عصبی مصنوعی…………………………………… 10
 
.4-1مدل سازی نورون درشبکه های عصبی مصنوعی……………………………….. .. 11
 
.5-1انواع شبکه های عصبی مصنوعی…………………………………………………… 12. …
 
.6-1یادگیری در شبکه های عصبی مصنوعی……………………………………… 14…. …
 
.7-1شبکه های عصبی پیش رو………………………………………………………….. 15……. …
 
.8-1شبکه های عصبی پس انتشار………………………………………………………………. 17
 
.1-8-1روش آموزش پس انتشار……………………………………………………………. 18… …
 
.9-1شبکه های عصبی انعطاف پذیر……………………………………………………. 21.. …
 
فصل دوم:تشخیص اندازه موفقیت داروهای HPT درکاهش انگلهای دامی با بهره گیری از شبکه های عصبی
 
.1-2موضوع………………………………………………………………………………………………….. 27
 
.2-2شیوه ها……………………………………………………………………………………………… 28
 
.3-2نتایج آزما یش های بالینی……………………………………………………………. 30
 
.4-2تحقیق پرسشنامه ای…………………………………………………………………………. 34
 
.5-2پیاده سازی داده های جمع آوری شده با بهره گیری از شبکه های عصبی   36
 
فصل سوم: روش پیاده سازی شبکه های عصبی با بهره گیری از FPGA
 
.1-3 مقدمه ای بر 43………………………………………………………………………… ..…  FPGA
 
.2-3روش پیاده سازی شبکه های عصبی با بهره گیری از 48……………. FPGA
 
فصل چهارم:
 
نتیجه گیری و پیشنهادات…………………………………………………………………….. 69
 
 
مقاله ارائه شده در پجمین کنفرانس بین المللی سیستم های هوشمند WSEASکشور اسپانیا (مادرید 73……………………………………………………………………………………………………………….. (2006
 
چکیده انگلیسی………………………………………………………………………………………. 77
 
فهرست جدول ها
 
عنوان                                                                                                                     صفحه
 
.1-1جدول: : توابع مهم قابل بهره گیری در شبکه های عصبی 12………………………………………………………………………………………… …………………………………………..
 
.1-2 جدول : سطح آماری گروههای تحت درمان و کنترل 31                                                                        ……………………………………………………………………………………..
 
.2-2جدول: درصدلارو آلوده در 38 دسته از گروههای تحت کنترل و مطالعه 33                                                                                                    …………………………………………
 
.3-2جدول: نشان دهنده درصد وجود انگلهادر دامهای موردا زمایش 38          2
 
.4-2جدول: نتایج شبیه سازی برای داده های تست 41…………………….. ………..
 

فهرست شکل ها  
عنوان صفحه
.1-1شکل: جریان اطلاعات در سیستم عصبی بشر 7
.2-1شکل: مدل سازی یک نورون مصنوعی 11
.3-1شکل: شبکه عصبی با طراحی پیش رو سه لایه 15
.4-1شکل: ساختار شبکه عصبی با طراحی پس انتشار سه لایه 17
.5-1شکل: منحنی تغییرات تابع انعطاف پذیر تک قطبی نسبت به پارامتر a 23
.6-1شکل: منحنی تغییرات تابع انعطاف پذیر دو قطبی نسبت به پارامتر a ٢٣
.1-2شکل: ساختار شبکه عصبی طراحی شده 39
.2-2شکل: کاهش خطا در حین شبیه سازی 40
.1-3شکل: ساختار آرایه ای یک PLA 45
.2-3شکل: ساختار آرایه ای یکSPLD 46
.3-3شکل: یک ساختار LUTچهار ورودی که اقدام AND را انجام می دهد 47
.4-3شکل: شمای کلی شبکه پیاده سازی شده با FPGA 50
.5-3شکل: پیاده سازی تابع فعالیت برای نورون های ورودی 52
.6-3شکل: پیاده سازی تابع فعالیت برای نورون های خروجی 53
.7-3شکل: پیاده سازی تابع مجموع حاصل ضرب 54
.8-3شکل: جمع کننده 16 بیتی 55
.9-3شکل: جمع کننده 32 بیتی 56
.10-3شکل: مقایسه تابع سیگموئید و بسط مک لورن تا جمله X 11 58
.11-3شکل: پیاده سازی تابع سیگموئید 61
.12-3شکل: شمارنده 16 بیتی 62
.13-3شکل: T Flip Flop 63
.14-3شکل: مالتی پلکسر دو به یک 63
.15-3شکل: شیفت رجیستر 64
.16-3شکل: لچ 16 بیتی 65
.17-3شکل: شیفت دهنده به چپ و راست 66
.18-3شکل:مقایسه کننده 32 بیتی 67

 
چکیده :
 
شبکه های عصبی با در نظر داشتن توان بالا درپـردازش موازی،قابلیـت یـادگیری، تعمـیم، طبقـه بندی، قدرت تقریب، به خاطر سپردن و به خـاطر آوردن الگوهـا، خیـزش وسـیعی در زمینـه هـای مختلف هوش مصنوعی ایجاد کرده اند. از این رو به دلیل عملکرد خوب شبکه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبکه های عصبی چنـد لایـه جهـت پیـاده سـازی سـخت افزاری سیستم بهره گیری شده می باشد و روش جدیدی برای پیاده سازی شـبکه هـای عـصبی بـر روی
 
FPGA ارائه شده می باشد . برای پیاده سـازی شـبکه عـصبی از داده هـای آمـاری اداره دامپزشـکی منطقه مغان استان اردبیل به عنوان مثال کاربردی بهره گیری شده می باشد .
 
ضرایب وزن و بایاس شبکه عصبی MLP که از شبیه سازی توسط MATLAB بـه دسـت آمـده
 
می باشد، برای پیاده سازی برروی FPGA، از سری XC 4000 بهره گیری شده می باشد. برای پیاده سازی
 
برروی FPGA، از نرم افزار Foundation 4,1 بهره جستیم وتمام مدارات منطقی توسط این نـرم
 
افزار طراحی شده می باشد . نتایج به دست آمده گویای این مطلب می باشد که FPGA به دلیـل داشـتن
 
انعطاف پذیری و گیت های منطقی زیاد، برای پیاده سازی شبکه های عصبی ،IC مناسبی می باشد .
 
مقدمه
مقدمه:
 
شبکه های عصبی با در نظر داشتن توان بالا درپردازش موازی،قابلیت یادگیری، تعمیم، طبقه بندی، قدرت تقریب، به خاطر سپردن و به خاطر آوردن الگوها، خیزش وسیعی در زمینه های مختلف هوش مصنوعی ایجاد کرده اند.از این رو به دلیل عملکرد خوب شبکه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبکه های عصبی چند لایه جهت پیاده سازی سخت افزاری سیستم بهره گیری شده می باشد. با در نظر داشتن طراحی سیستم های هوشمند و کوچکی که در لوازم روزمره امروزی کاربرد دارند، و از طرفی امکان ارتباط آنها به کا مپیوتر وجود ندارد نیاز به پیاده سازی سخت افزاری شبکه های عصبی در حجم کوچک احساس می گردد و با در نظر داشتن این که آی
 
سی های FPGA بسیار انعطاف پذیر می باشند و به صورت نرم افزاری تمام طرح های سخت افزاری را می توان پیاده نمود پس گزینه مناسبی جهت پیاده سازی سخت افزاری شبکه های عصبی می باشد.
 
در این پروژه یک روش برای پیاده سازی شبکه عصبی بر روی FPGA ارائه شده می باشد .
 
برای پیاده سازی شبکه عصبی از داده های آماری اداره دامپزشکی منطقه مغان استان اردبیل بهره گیری شده می باشد .
 
هدف از جمع آوری این داده های آماری تشخیص و شناسایی یک الگو جهت پیاده سازی در یک
 
شبکه عصبی از نوع چند لایهMLP می باشد .
 
برای آموزش شبکه عصبی از روش پس انتشار خطا با 300 بار آموزش برای رسیدن به
 
حداقل خطای مورد نظر بهره گیری شده می باشد.
 
ضرایب وزن و بایاس های به دست آمده از آموزش شبکه عصبی در مرحله بعد برای پیاده سازی آن
 
روی FPGA بهره گیری می گردد.
 
مقدمه
 
تعداد داده های آماری در این پروژه 38 داده می باشد که هر یک دارای سه ورودی و یک خروجی می باشد و به عنوان داده ورودی و خروجی برای آموزش شبکه مورد نظر بهره گیری شده می باشد .
 
از این 38 داده 34 داده برای آموزش شبکه و 4 داده به عنوان داده تست انتخاب شدند. بعد از
 
تعیین ضرایب وزنی و بایاس جهت پیاده سازی آن بر روی FPGA سری XC4000 از نرم افزار
 
Foundation 4,1 برای طراحی مدارات مربوطه بهره گیری شده می باشد .  FPGA, IC  سری
 
XC4000 دارای حجم گیت های منطقی زیاد و انعطاف پذیری خیلی بالا برای پیاده سازی سخت افزاری شبکه های عصبی می باشد. به دلیل بهره گیری از داده های ثابت در پیاده سازی شبکه بر
 
روی FPGA، شبکه ، دوباره قابل آموزش نیست.
 
با در نظر داشتن مراحل مختلف به کار گرفته شده در این پروژه جمع بندی و شکل دهی پایان نامه در 4
 
فصل مورد مطالعه قرار گرفته می باشد .
 
در فصل اول سیستم های عصبی , انواع شبکه های عصبی , مدل سازی و انواع روشهای آموزش شبکه عصبی مورد مطالعه قرار گرفته می باشد .
 
در فصل دوم روش جمع آوری داده های دامپزشکی بر اساس در صد وجود انگل در گله های
 
دامی و روش از بین بردن این انگلها بر اساس تزریق داروئی BZD در پیش بینی اندازه موفقیت این دارو و در کاهش انگلهای دامی به عنوان داده برای شبکه عصبی انتخاب و تبیین داده شده می باشد.
 
در فصل سوم روش پیاده سازی سخت افزاری شبکه عصبی بر روی FPGA سری
 
XC4000 با نرم افزار Foundation 4,1 همراه با مدارهای طراحی شده تبیین داده شده می باشد .
 
ودر نهایت در فصل چهارم نتیجه گیری کار های انجام شده و پیشنهادات لازم برای افزایش کارائی پژوهش مورد نظر، ارائه شده می باشد.
 
فصل اول                                                                                                   شبکههای عصبی
 
 
پیشگفتار
 
در این فصل آغاز به معرفی شبکه های عصبی طبیعی و سپس اهمیت اسـتفاده از شـبکه هـای عصبی مصنوعی و در ادامه به معرفی مدلهای مختلف انواع شبکه های عصبی مصنوعی می پـردازیم.
 
همچنین روش های آموزش شبکه های عصبی، موضوع مورد بحث این فصل قرار گرفته می باشد.
 
 
(1-1 سیستم های عصبی طبیعی
 
مغزانسان از واحدهای پردازنده ای به نام نورون تشکیل شده اسـت. ایـن نورونهـا از طریـق یـک
 
شبکه به هم پیوسته از اکسون1 وسیناپس2 با چگالی تقریبی 104 سیناپس در نورون با هم ارتبـاط دارند.در مدل سازی سیستم عصبی طبیعی، فرض بر این می باشد که نورونها با بهره گیری ازسیگنال هـای الکتریکی با هم ارتباط مستقر می کنند.
 
عملکرد نورونها در یک محیط شیمیایی انجام می شود، ازاین رو می تـوان مغـز را بـه صـورت شبکه ای از سوئیچ های الکتریکی با چگالی زیاد در نظر گرفـت کـه بـه طـور قابـل ملاحظـه ای از
 
فرایندهای شیمیایی تأثیرمی پذیرد. شبکه عصبی ساختار پیچیده ای از نورونهای بـه هـم پیوسـته
 
دارد.ورودی شبکه از طریق گیرنده های حسی تأمین می گردد.
 
این گیرنده ها تحریکی را از داخل بدن و همچنین از اندامهای حسی (هنگامی کـه تحریکـی از دنیای خارج انجام گیرد) دریافت می کنند. تحریک ها، اطلاعات را به شکل ضربه های الکتریکی بـه شبکه نورون ها انتقال می دهند. در اثر پردازش اطلاعات، واکنش انجام می شود.
 
پس برای کنترل اندام ها و اعمال آنها یک سیـستم سـه مرحلـه ای وجـود دارد کـه شـامل گیرنده ها، شبکه عصبی و انگیزنده هاست. درشـکل 1-1 یـک طـرح تقریبـی از جریـان اطلاعـات نمایش داده شده می باشد.
 
(ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
تعداد صفحه : 102
قیمت : چهارده هزار تومان

این مطلب رو هم توصیه می کنم بخونین:   پایان نامه ارشد مهندسی برق: طراحی بهینه موتور سنکرون مغناطیس دائم

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می گردد.

پشتیبانی سایت :               serderehi@gmail.com

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

***  *** ***

دسته‌ها: مهندسی برق