پیاده سازی شبكه های عصبی مصنوعی بر روی FPGA
برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود
تکه هایی از متن به عنوان نمونه : (ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چكیده:

شبكه های عصبی با توجه به 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 كرده اند. از این رو به دلیل عملكرد خوب شبكه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبكه های عصبی چند لایه جهت پیاده سازی سخت افزاری سیستم استفاده شده است و روش جدیدی برای پیاده سازی شبكه های عصبی بر روی FPGA ارائه شده است. برای پیاده سازی شبكه عصبی از داده های آماری اداره دامپزشكی منطقه مغان استان اردبیل به عنوان مثال كاربردی استفاده شده است.

ضرایب وزن و بایاس شبكه عصبی MLP كه از شبیه سازی توسط MATLAB به دست آمده است، برای پیاده سازی برروی FPGA، از سری XC4000 استفاده شده است. برای پیاده سازی برروی FPGA، از نرم افزار Foundation4,1 بهره جستیم وتمام مدارات منطقی توسط این نرم افزار طراحی شده است. نتایج به دست آمده گویای این مطلب است كه FPGA به دلیل داشتن انعطاف پذیری و گیت های منطقی زیاد، برای پیاده سازی شبكه های عصبی، IC مناسبی است.

مقدمه:

شبكه های عصبی با توجه به 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 كرده اند. از این رو به دلیل عملكرد خوب شبكه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبكه های عصبی چند لایه جهت پیاده سازی سخت افزاری سیستم استفاده شده است. با توجه به طراحی سیستم های هوشمند و كوچكی كه در لوازم روزمره امروزی كاربرد دارند، و از طرفی امكان ارتباط آنها به كا مپیوتر وجود ندارد نیاز به پیاده سازی سخت افزاری شبكه  های عصبی در حجم كوچك احساس می شود و با توجه به این كه آی سی های FPGA بسیار انعطاف پذیر می باشند و به صورت نرم افزاری تمام طرح های سخت افزاری را می توان پیاده نمود لذا گزینه مناسبی جهت پیاده سازی سخت افزاری شبكه های عصبی می باشد.

در این پروژه یك روش برای پیاده سازی شبكه عصبی بر روی FPGA ارائه شده است. برای پیاده سازی شبكه عصبی از داده های آماری اداره دامپزشكی منطقه مغان استان اردبیل استفاده شده است.

هدف از جمع آوری این داده های آماری تشخیص و شناسایی یك الگو جهت پیاده سازی در یك شبكه عصبی از نوع چند لایه MLP است.

برای آموزش شبكه عصبی از روش پس انتشار خطا با 300 بار آموزش برای رسیدن به حداقل خطای

مورد نظر استفاده شده است.

ضرایب وزن و بایاس های به دست آمده از آموزش شبكه عصبی در مرحله بعد برای پیاده سازی آن روی FPGA استفاده می شود.

تعداد داده های آماری در این پروژه 38 داده می باشد كه هر یك دارای سه ورودی و یك خروجی است و به عنوان داده ورودی و خروجی برای آموزش شبكه مورد نظر استفاده شده است. از این 38 داده 34 داده برای آموزش شبكه 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 Foundation4,1 برای طراحی مدارات مربوطه استفاده شده است. FPGA, IC سری XC4000 دارای حجم گیت های منطقی زیاد و انعطاف پذیری خیلی بالا برای پیاده سازی سخت افزاری شبكه های عصبی است. به دلیل استفاده از داده های ثابت در پیاده سازی شبكه بر روی FPGA، شبكه، دوباره قابل آموزش نیست.

با توجه به مراحل مختلف به كار گرفته شده در این پروژه جمع بندی و شكل دهی پایان نامه در 4