Multilayer perceptron neural network in analog VLSI-a system level study
Analog VLSI olarak çok katmanlı perseptron sinir ağı-sistem seviyesinde bir çalışma
- Tez No: 82955
- Danışmanlar: DOÇ. DR. GÜNHAN DÜNDAR
- Tez Türü: Doktora
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Sinir ağları, VLSI, Yapay sinir ağları, Nerve net, VLSI, Artificial neural networks
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Analog sinir ağlan, yapay sinir ağlarının donanım bazında kullanılabilir olarak gerçeklenmesi için potansiyel oluşturmaktadırlar. Küçük alan kaplamaları, düşük güç harcamaları ve hızlı çalışmaları gibi avantajları karşısında analog sinir ağı devrelerinin eğitimindeki zorluklar önemli bir engel oluşturmaktadırlar. Kırmık-üstü eğitim veya bilgisayar-kırmık döngüsü eğitimi yerine kullanılabilecek olan donanımın yazılım ba zında eğitimi, devrelerin ideal olmayan karakteristiklerinden ve birbirinin aynı olarak tasarlanan devrelerin çıkışlarındaki sapmalardan kötü olarak etkilenmektedir. Üretim sürecindeki istatistiksel sapmalardan kaynaklanan bu istenmeyen etkiler, analog sinir ağı devrelerinin başarımım ciddi miktarda düşürmektedirler. Bu tezde çok katmanlı perseptron türü analog sinir ağı devrelerinin donanım bazında eğitiminde geriye yayılım yordamı için yeni bir yöntem önerilmektedir. Analog sinir ağı devrelerinin çıkışlarındaki sapmalar birbiriyle aynı tasarlanmış transistörlerdeki uyumsuzluklara dayandırılarak modellenmiştir. Bu sapmalar eğitim sırasında toplanır gürültü olarak kullanılmış ve bunun eğitilen sinir ağının hataya karşı dayanıklılığını önemli oranda artırdığı göste rilmiştir. Önerilen yöntem, rasgele gürültü katılımıyla karşılaştırılmış ve daha başarılı olduğu gözlemlenmiştir. Transistörlerdeki uyumsuzluklara bağlı olan sapmaların var lığında, rasgele gürültü katılımıyla yapılan eğitimin hataya karşı yeterince dayanıklı olmadığı görülmüştür. Sapmaların uyumsuzluklara bağlı olduğu ürettirilen kırmıklar üzerinde yapılan ölçümlerle doğrulanmıştır.
Özet (Çeviri)
Analog neural networks exhibit a potential for proper/suitable hardware imple mentation of artificial neural networks. Their advantages such as small size, low power and high speed, however, are seriously questioned/ confronted by the difficulty in the training of analog neural network circuitry. Especially, hardware training by software, i.e., training of the circuitry by software based on models, so as to avoid on-chip and chip in-the-loop training methods, is threatened by circuit nonidealities and variations at outputs of identical blocks. The performance of the analog neural network is severely degraded in the presence of those unwanted effects caused mainly by statistical varia tions in the production process. We propose a new paradigm for the backpropagation algorithm in hardware training of multilayer perceptron type analog neural networks. The variations at outputs of analog neural network circuitry are modeled based on the transistor level mismatches occurring between identically designed transistors. Those variations can be used as additive noise during the training, and it has been shown that this will increase fault tolerance of the trained neural network drastically. The method has been compared to the method of injecting random noise, and our method outper forms the latter where injecting random noise is seen to be inadequate for establishing a satisfactory level of fault tolerance in the presence of mismatch based variations. The concept of mismatch based variations has been verified by measurements on our test chip.
Benzer Tezler
- Analog cmos double poly implementation of multilayer perceptron with nonlinear synapses
Doğrusal olmayan sinapslarla çok katmanlı perseptron mimarisinin analog cmost çift polisilikon teknolojisi ile gerçeklenmesi
KORAY KARAHALİLOĞLU
Yüksek Lisans
İngilizce
1996
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiPROF.DR. YORGO İSTEFANOPULOS
- Dinamik algılayıcı öğrenme algoritması ile kenar saptamanın öğrenilmesi
Learning of edge detection using recurrent perceptron learning algorithm
FİLİZ YOSMA TAŞKIN
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ
- Circuit level simulation based training algorithms for analog nevral networks
Analog yapay sinir ağları için devre düzeyinde benzetim tabanlı eğitim algoritmaları
İSMET BAYRAKTAROĞLU
Yüksek Lisans
İngilizce
1996
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiDOÇ.DR. SİNA BALKIR
Y.DOÇ.DR. GÜNHAN DÜNDAR
- Asenkron makina kontrolü için yapay sinir ağı tabanlı rotor akışı gözlemcisi
Başlık çevirisi yok
ASLI AYLA ÇAKIRGÖZ
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN TACER
- Asenkron motorun DSP (sayısal işaret işleyici) tabanlı bir kontrol sistemi kullanılarak YSA (yapay sinir ağları) ile performansının arttırılması
The Performance increasing on the induction motor with ann (artifical neural networks) by using a DSP (digital signal processor) based control system
KAYHAN GÜLEZ
Doktora
Türkçe
1999
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. HALİT PASTACI