Yapay sinir ağlarının otomatik olarak FPGA çipine uygulanması için denetleyici tasarım aracı
A controller design tool development for automatically mapping neural networks onto FPGAs
- Tez No: 344054
- Danışmanlar: DOÇ. DR. İBRAHİM ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Düzce Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Yapay Sinir Ağları (YSA)'lar insan beyninin ufak bir kopyası gibidirler ve çok değişik alanlarda etkili bir şekilde kullanılmaktadırlar. Yazılımsal olarak gerçeklenen YSA'ların istenen performansı vermediği durumlarda donanımsal YSA uygulamaları tercih edilmektedir. YSA'lar gerçek performanslarını ancak paralel çalışan mimariler üzerinde gösterebilen sistemlerdir. FPGA'lar (Field Programable Gate Array-Sahada Programlanabilir Kapı Dizileri) ise özellikle paralel işlem gerektiren uygulamalarda yaygın olarak kullanılan donanım elemanlarıdır. Bu durum YSA'ların FPGA çiplerine uygulanmasını kaçınılmaz kılmaktadır. Fakat YSA'ların FPGA çiplerine uygulanması uzun zaman alan ve uzman gereksinimine ihtiyaç duyan bir süreçtir. Ayrıca uygulama aşamasında oluşabilecek yazılımsal hatalar, hata düzenleme (debug) aşamasını gerektirmektedir. Bu çalışmada YSA'ların otomatik olarak FPGA çipine uygulanması için bir denetleyici tasarım aracı olan ANNCONT (Artificial Neural Network Controller) ve var olan YSA veri yolu ile birleştirerek YSA sistemini oluşturan ANNSYS (Artificial Neural Network System) geliştirilmiştir. Burada amaç; YSA'ların FPGA'lara uygulanmasını otomatikleştirerek tasarım ve uygulama süresini kısaltmak, debug aşamasını ve uzman gereksinimini ortadan kaldırmaktır. Geliştirdiğimiz tasarım aracı için iki adet örnek test durumu oluşturulmuştur. ANNCONT ve ANNSYS örnek test durumları üzerinde çalıştırılarak saniyeler içinde YSA sistemleri için VHDL (Very High Speed Integrated Circuit HDL (Hardware Description Language) (Çok Yüksek Hızlı Entegre Devre Donanım Tanımlama Dili)) kodu üretilmiştir. Otomatik olarak üretilen VHDL kodları Xilinx in ISE aracında denenerek ANNCONT ve ANNSYS'in etkinliği ve doğruluğu ispatlanmıştır.
Özet (Çeviri)
Artificial Neural Networks (ANNs) are small copies of human brain and are used in several different areas efficiently. Hardware implementations of the ANNs are preferred when software implementations do not provide desired performance. ANNs can show their real performance on parallel hardware architectures and using FPGAs (Field Programable Gate Array) is a suitable implementation choice for parallel applications. As a result, FPGAs are good candidate for implementing ANNs hardware. On the other hand, implementing ANNs on FPGAs is time consuming process and requires expert personal. Moreover, debugging is required for the error happens during the implementations process. In this study, ANNCONT (Artificial Neural Network Controller), a controller design tool, and ANNSYS (Artificial Neural Network System), a top level ANN system design tool were developed for automatically mapping ANNs to FPGAs. The purpose of the study was to eliminate the debugging state of the design and implementation process and to eliminate the need for the expert personal and to shorten design and implementatıon time of ANNs on FPGAs by automating the whole mapping process. A couple of test cases were developed for testing ANNCONT and ANNSYS design tools. The tools were applied to the test cases and VHDL (Very High Speed Integrated Circuit HDL (Hardware Description Language)) codes were produced in seconds. The effectiveness and correctness of the tools were proved by synthesizing the automatically produced VHDL codes using through Xilinx?s ISE tool.
Benzer Tezler
- Yapay sinir ağlarının otomatik olarak FPGA'ya uygulanması için veri yolu tasarım aracı
A datapaths design tool for automatically mapping artificial neural network on to FPGA s
NAMIK KEMAL SARITEKİN
Yüksek Lisans
Türkçe
2011
Adli TıpDüzce ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. İBRAHİM ŞAHİN
- Development of efficient method and hardware for sparse machine learning
Seyrek makine öğrenimi için verimli bir yöntem ve donanım geliştirilmesi
ÖNDER POLAT
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA KOÇ KAYHAN
- Silah seslerinin konvolüsyonel yapay sinir ağları ile sınıflandırılması ve atıcı konum tespitinin yapılması
Classification of weapon sounds with convolutional neural networks and detection of shooter location
İLYAS ÖZER
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. OĞUZ FINDIK
- Erken ventriküler kasılmalarda ysa tabanlı bir sınıflandırıcının FPGA ile gerçekleştirilmesi
An FPGA implementation of ann-based premature ventricular contraction classifier
AHMET TURAN ÖZDEMİR
Doktora
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN DANIŞMAN
- Incremental neural network construction algorithms for training multilayer perceptrons
Yapay sinir ağlarının çok katmanlı algılayıcılar için artımlı oluşturulması
OYA ARAN
Yüksek Lisans
İngilizce
2002
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. ETHEM ALPAYDIN